DAVE——用于少样本计数的检测与验证范式
计算机视觉与模式识别
2024-04-26 v1
摘要
少样本计数器根据图像中仅标注的少数或零个样本，估计对应于选定类别的物体数量。当前的最先进方法将总计数估计为物体位置密度图的总和，但未提供单个物体的位置和大小，而这对于许多应用至关重要。基于检测的计数器解决了这一问题，但在总计数精度上却落后了。此外，由于存在大量假阳性，这两种方法在存在其他物体类别时往往会高估计数。我们提出了 DAVE，一种基于检测与验证范式的少样本计数器，它通过首先生成高召回率的检测集，然后对检测结果进行验证以识别并移除异常值，从而避免了上述问题。这同时提高了召回率和精确率，从而得到准确的计数。DAVE 在总计数 MAE 上比顶级基于密度的计数器高出约 20%，在检测质量上比最新的基于检测的计数器高出约 20%，并在零样本以及基于文本提示的计数中设定了新的 SOTA。
引用
@article{arxiv.2404.16622,
title = {DAVE -- A Detect-and-Verify Paradigm for Low-Shot Counting},
author = {Jer Pelhan and Alan Lukežič and Vitjan Zavrtanik and Matej Kristan},
journal= {arXiv preprint arXiv:2404.16622},
year = {2024}
}
备注
Accepted to CVPR2024