无样本类别无关计数

我们解决了类别无关计数（Class Agnostic Counting）任务，该任务旨在测试时对新颖对象类别中的物体进行计数，而无需访问该类别的任何标注训练数据。所有先前的类别无关计数方法都无法在完全自动化设置下工作，并且需要计算代价高昂的测试时自适应。为应对这些挑战，我们提出了一种在完全自动化设置下运行且不需要任何测试时自适应的视觉计数器。我们提出的方法首先从图像中重复出现的物体中识别样本（exemplar），然后对这些重复物体进行计数。我们提出了一种用于识别样本的新型区域提议网络。在识别样本后，我们通过使用基于密度估计的视觉计数器获得相应的计数。我们在 FSC-147 数据集上评估了所提出的方法，并表明其相比现有方法取得了更优的性能。