SIMCO：基于相似性的物体计数
计算机视觉与模式识别
2020-10-14 v2 机器学习
摘要
我们提出 SIMCO，首个与任务无关的多类物体计数方法。SIMCO 首先通过一个新颖的基于 Mask RCNN 的架构检测前景物体，该架构事先（仅一次）在一个全新的合成 2D 形状数据集 InShape 上训练；其思想是突出每个类似于基本 2D 形状（圆、正方形、矩形等）的物体。每个检测到的物体由低维嵌入描述，该嵌入来自一个新颖的基于相似性的头部分支；后者实现了三元组损失，促使相似物体（相同 2D 形状+颜色和尺度）映射至相近位置。随后，SIMCO 使用该嵌入进行聚类，从而不同物体类型得以浮现并被计数，使 SIMCO 成为首个多类无监督计数器。实验表明 SIMCO 在计数基准上提供了最先进的分数，并且它也能助力许多具有挑战性的图像理解任务。
引用
@article{arxiv.1904.07092,
title = {SIMCO: SIMilarity-based object COunting},
author = {Marco Godi and Christian Joppi and Andrea Giachetti and Marco Cristani},
journal= {arXiv preprint arXiv:1904.07092},
year = {2020}
}
备注
Accepted at ICPR 2020