基于众包监督的细粒度计数

众包在动物生态学图像分析中是一种日益流行的工具。能够利用众包标注的计算机视觉方法可进一步扩展分析规模。在本工作中，我们研究了在具有挑战性的细粒度计数任务上实现这一目标的可能性。与标准的人群计数任务不同，细粒度计数还涉及对密集群体中个体的属性进行分类。我们引入了一个来自动物生态学的新数据集以支撑此项研究，该数据集包含 1.7M 个针对 8 个细粒度类别的众包标注。它是目前最大的细粒度计数可用数据集，也是首个能够利用众包标注研究该任务的数据集。我们提出了从收集的标注中生成聚合“真值”的方法，以及一种能够利用该聚合信息的计数方法。我们的方法比可比基线提升了 8% 的结果，表明算法利用众包监督学习细粒度计数具有潜力。