GCA-SUNet：用于无样本计数的受控上下感知 Swin-UNet
计算机视觉与模式识别
2025-03-28 v2 人工智能
摘要
无样本计数旨在不依赖大量对象或样本标注来进行计数。为此，我们提出了受控上下感知 Swin-UNet（GCA-SUNet），直接将输入图像映射到可计数对象的密度图。具体而言，多个 Swin transformer 构成编码器，以提取稳健的特征表示。我们设计了受控上下感知调制块，通过门控机制抑制不相关的对象或背景，并通过自相似矩阵利用感兴趣对象的注意力支持。门控策略也被整合到 bottleneck 网络和解码器中，以突出与感兴趣对象最相关的特征。通过显式地利用可计数对象之间的注意力支持，并通过门控机制消除不相关特征，GCA-SUNet 能够在不依赖预定义类别或样本的情况下关注并计数感兴趣的对象。在 FSC-147 和 CARPK 等真实数据集上的实验结果表明，GCA-SUNet 在各种指标上均显著且稳健地超越了当前最先进的方法。该代码已在 https://github.com/Amordia/GCA-SUNet 上提供。
引用
@article{arxiv.2409.12249,
title = {GCA-SUNet: A Gated Context-Aware Swin-UNet for Exemplar-Free Counting},
author = {Yuzhe Wu and Yipeng Xu and Tianyu Xu and Jialu Zhang and Jianfeng Ren and Xudong Jiang},
journal= {arXiv preprint arXiv:2409.12249},
year = {2025}
}
备注
Accepted by ICME 2025