TFCounter：为免训练目标计数打磨宝石
计算机视觉与模式识别
2024-05-07 v1
摘要
目标计数是一项具有挑战性的任务，在安防监控、交通管理和疾病诊断等领域有着广阔的应用前景。现有的目标计数方法面临三重挑战：实现卓越性能、保持高度泛化性以及最小化标注成本。我们开发了一种新颖的免训练、类别无关的目标计数器 TFCounter，它通过级联大规模基础模型中的基本元素来实现对提示上下文的感知。该方法采用带有双提示系统的迭代计数框架，以识别形状、外观和尺寸各异、范围更广的目标。此外，它还引入了一个创新的上下文感知相似度模块，该模块融合了背景上下文，以提高在杂乱场景中的计数精度。为了展示跨域泛化能力，我们收集了一个名为 BIKE-1000 的新计数数据集，其中包含来自美团的 1000 张共享单车专属图像。在 FSC-147、CARPK 和 BIKE-1000 数据集上的大量实验表明，TFCounter 优于现有的领先免训练方法，并展现出与基于训练的方法相比具有竞争力的结果。
引用
@article{arxiv.2405.02301,
title = {TFCounter:Polishing Gems for Training-Free Object Counting},
author = {Pan Ting and Jianfeng Lin and Wenhao Yu and Wenlong Zhang and Xiaoying Chen and Jinlu Zhang and Binqiang Huang},
journal= {arXiv preprint arXiv:2405.02301},
year = {2024}
}
备注
14pages,11 figuers