최근의 집단 수량 측정 연구는 이미지 내 인구 수를 추정하는 것보다 감지된 개인을 기반으로 수량을 측정하는 데 초점을 맞추고 있다. 그러나 기존의 집단 위치 추정 방법은 개인의 머리 점 또는 영역을 직접 감지하는 방식을 사용하는데, 이는 그리드 외부에 위치한 출력에 대한 책임성 부족을 초래할 수 있다. 본 연구에서 제안하는 가상 정사각형 레이블 네트워크(Pseudo Square Label Network, PSL-Net)는 새로운 집단 수량 측정 및 위치 추정 방법을 제안한다. 이 방법은 앵커 기반 감지 기법을 사용하지 않고, PSL-Net이 중심점이 책임 있는 그리드 내에 위치할 확률을 예측함과 동시에, 상자 회귀(box regression)와 중심성 추정(centerness estimation)을 통해 책임 있는 그리드 외부에 존재하는 개인을 간접적으로 감지한다. 본 연구는 고정된 크기로 점 레이블 주변에 생성된 가상 정사각형 레이블(Pseudo Square Label, PSL)을 활용하여 학습을 지도하는 방식을 제안한다. 또한 학습 단계에서는 PSL 내부에서만 매칭을 수행하는 부분적 다대일 매칭 알고리즘을 설계하여 정밀한 레이블을 할당하며, 추론 단계에서는 중심성 기반으로 예측된 점을 각각의 책임 있는 그리드와 연결한다. 그 결과, PSL-Net은 집단 수량 측정 분야에서 가장 널리 사용되는 ShanghaiTech Part A 및 Part B 데이터셋에서 최고 성능을 달성하였으며, 점 감지 기반의 집단 위치 추정 방법 중에서도 최고 수준의 성능을 기록하였다.