学习计数小型且密集簇状物体及其在细菌菌落中的应用
计算机视觉与模式识别
2026-04-23 v1
摘要
从图像中自动计数细菌菌落是获取疫苗和抗生素研发所需数据的重要技术。然而，细菌菌落带来了影响计数的独特机器视觉挑战，包括：(1) 物理尺寸小，(2) 物体密集簇状聚集，(3) 数据标注成本高，以及 (4) 跨物种泛化能力有限。虽然 FamNet 是一种成熟的物体计数技术，对密集簇状物体和高昂的数据标注有效，但其在小型菌落尺寸和跨物种泛化方面的有效性仍属未知。为应对前三个挑战，我们提出了 ACFamNet，作为 FamNet 的扩展，它使用一种新颖的带对齐的感兴趣区域池化和优化的特征工程来处理小型且密集簇状的物体。为应对上述所有四个挑战，我们引入了 ACFamNet Pro，它通过多头注意力和残差连接增强了 ACFamNet，实现了物体的动态加权和改善的梯度流。实验表明，ACFamNet Pro 在 5 折交叉验证下的平均归一化绝对误差 (MNAE) 为 9.64%，分别比 ACFamNet 和 FamNet 降低了 2.23% 和 12.71%。
引用
@article{arxiv.2604.20030,
title = {Learning to count small and clustered objects with application to bacterial colonies},
author = {Minghua Zheng and Na Helian and Peter C. R. Lane and Yi Sun and Allen Donald},
journal= {arXiv preprint arXiv:2604.20030},
year = {2026}
}
备注
59 pages, 26 figures