面向弱监督微生物计数的视觉 Transformer
计算机视觉与模式识别
2024-12-04 v1
摘要
微生物计数是许多应用中的重要任务，如评估污染水平或在评估表面清洁度时确保健康标准。然而，这一任务传统上依赖人工监督方法，常需手动计数，既繁琐又耗时。以往研究通过计算机视觉和机器学习方法进行自动化，主要采用实例分割或密度估计技术。本文对视觉 Transformer (ViT) 在微生物枚举中进行弱监督计数的比较分析，对比传统架构如 ResNet，并探讨基于 ViT 的模型如 TransCrowd。我们使用四个微生物学数据集训练不同的 ViT 版本作为特征提取的网络结构，以确定总微生物计数图像中可能的新方法。结果表明，尽管 ResNets 在整体上表现更好，ViT 的性能在所有数据集上都显示出相当好的结果，为微生物枚举的研究开辟了有前景的研究方向。本比较研究为微生物图像分析领域贡献了创新的方法，解决了微生物枚举反复出现的挑战，并凸显了 ViT 在回归计数任务中的能力。
引用
@article{arxiv.2412.02250,
title = {Vision Transformers for Weakly-Supervised Microorganism Enumeration},
author = {Javier Ureña Santiago and Thomas Ströhle and Antonio Rodríguez-Sánchez and Ruth Breu},
journal= {arXiv preprint arXiv:2412.02250},
year = {2024}
}
备注
8 pages, 3 figures, 3 tables, conference