一种用于基于检测与分割的小样本计数的统一新架构
计算机视觉与模式识别
2024-12-02 v2
摘要
小样本目标计数器使用少量或无标注样本估计图像中目标的数量。目标通过将其与原型匹配来定位，这些原型是通过无监督的全图目标外观聚合构建的。由于目标外观可能具有多样性，现有方法常导致过度泛化和误报检测。此外，性能最佳的方法通过代理损失训练目标定位，在每个目标中心预测一个单位高斯分布。该损失对标注误差和超参数敏感，且未直接优化检测任务，导致计数结果次优。我们引入了 GeCo，一种新颖的小样本计数器，在统一架构中实现了精确的目标检测、分割和计数估计。GeCo 通过新颖的密集目标查询公式，在各种目标外观间稳健地泛化原型。此外，提出了一种新颖的计数损失，直接优化检测任务并避免了标准代理损失的问题。GeCo 在总计数 MAE 上超越了领先的基于检测的小样本计数器约 25%，实现了卓越的检测精度，并在所有小样本计数设置中确立了新的坚实 SOTA 结果。
引用
@article{arxiv.2409.18686,
title = {A Novel Unified Architecture for Low-Shot Counting by Detection and Segmentation},
author = {Jer Pelhan and Alan Lukežič and Vitjan Zavrtanik and Matej Kristan},
journal= {arXiv preprint arXiv:2409.18686},
year = {2024}
}
备注
Accepted to NeurIPS2024