人、企鹅与培养皿：在不遗忘的前提下将目标计数模型适配至新视觉域与物体类别
计算机视觉与模式识别
2017-11-16 v1
摘要
在本文中，我们提出一种技术，将基于卷积神经网络(CNN)的目标计数器适配到额外的视觉域与物体类别，同时保留原始的计数功能。训练域特定的归一化与缩放算子以允许模型调整至各视觉域的统计分布。所开发的适配技术用于产生一个单一的基于块的计数回归器，能够计数包括人、车辆、细胞核和野生动物在内的多种物体类型。作为本研究的一部分，我们构建了一个在组织结构培养与患者诊断背景下的极具挑战性的新细胞计数数据集。该新集合被称为 Dublin Cell Counting (DCC) 数据集，是首个向更广计算机视觉界公开的同类型数据集。在使用共享计数模型的情况下，于 Shanghaitech（parts A 与 B）和 Penguins 数据集上实现了最先进的目标计数性能，而在 TRANCOS 与 Modified Bone Marrow (MBM) 数据集上观察到具竞争力的性能。
引用
@article{arxiv.1711.05586,
title = {People, Penguins and Petri Dishes: Adapting Object Counting Models To New Visual Domains And Object Types Without Forgetting},
author = {Mark Marsden and Kevin McGuinness and Suzanne Little and Ciara E. Keogh and Noel E. O'Connor},
journal= {arXiv preprint arXiv:1711.05586},
year = {2017}
}
备注
10 pages