CountMamba：探索多方向选择性状态空间模型用于植物计数

植物计数是农业生产中每个环节的必需活动，包括育种、萌发、栽培、施肥、授粉、产量估计和收获。鼓励人类通过顺序扫描高分辨率图像来计数对象，我们探索了通过状态空间模型 (SSM) 来处理植物计数任务的潜力。本文提出一种新的计数方法，称为 CountMamba，通过构建多个计数专家从不同方向同时扫描。具体而言，我们设计了多方向状态空间组合来处理以不同顺序处理图像块序列，以模拟不同的计数专家。我们还设计了全局-局部自适应融合，以在样本级别上自适应地聚合来自多个方向提取的全局特征和来自 CNN 分支提取的局部特征。广泛的实验表明，所提出的 CountMamba 在各种植物计数任务中表现出竞争力，包括玉米穗、小麦穗和孔雀蒲花头的计数。