一种用于目标计数的少样本序贯方法
计算机视觉与模式识别
2020-07-09 v2 机器学习
摘要
在这项工作中，我们解决了带有点级标注的少样本多类目标计数问题。所提出的技术利用类别无关的注意力机制，依次关注图像中的目标并提取其相关特征。该过程应用于一种改进的基于原型的少样本方法，该方法使用提取的特征将每个目标分类为支持集图像中存在的某一类别或背景。所提出的技术在点级标注上训练，并使用一种新颖的损失函数，将模型的类别相关与类别无关方面解耦，以辅助少样本目标计数任务。我们在多种目标计数/检测数据集上展示了结果，包括 FSOD 和 MS COCO。此外，我们引入了一个新数据集，专门设计用于弱监督多类目标计数/检测，与现有数据集相比，其包含差异显著的类别以及每幅图像中类别/实例数量的分布。我们通过在完全不同于训练时所见类别分布上测试系统，证明了我们方法的鲁棒性。
引用
@article{arxiv.2007.01899,
title = {A Few-Shot Sequential Approach for Object Counting},
author = {Negin Sokhandan and Pegah Kamousi and Alejandro Posada and Eniola Alese and Negar Rostamzadeh},
journal= {arXiv preprint arXiv:2007.01899},
year = {2020}
}