目标计数：你只需看一个
计算机视觉与模式识别
2021-12-14 v1
摘要
本文旨在解决极具挑战性的一次性目标计数任务。给定一张包含新颖、先前未见类别物体的图像，该任务的目标是仅借助一个支持性边界框示例来计数所需类别的所有实例。为此，我们提出了一种只需看一个实例（LaoNet）的计数模型。首先，一个特征关联模块将自注意力与关联注意力模块结合，以学习内部关系与相互关系，使网络对不同实例间旋转与尺寸的不一致性具有鲁棒性。其次，设计了一种尺度聚合机制以帮助提取具有不同尺度信息的特征。与现有少样本计数方法相比，LaoNet在学习收敛速度快的同时取得了最先进的（SOTA）结果。代码将很快公开。
引用
@article{arxiv.2112.05993,
title = {Object Counting: You Only Need to Look at One},
author = {Hui Lin and Xiaopeng Hong and Yabin Wang},
journal= {arXiv preprint arXiv:2112.05993},
year = {2021}
}
备注
Keywords: Crowd counting, one-shot object counting, Attention