零样本目标计数
计算机视觉与模式识别
2023-04-25 v2
摘要
类无关目标计数旨在测试时对任意类别的对象实例进行计数，其具有挑战性但也催生了许多潜在应用。当前方法需要以人工标注的示例作为输入，而对于新类别（尤其是自主系统）往往难以获取。因此，我们提出零样本目标计数（ZSC），一种测试时仅提供类别名称的新设定。此类计数系统无需人工标注者参与，可自动运行。从类别名称出发，我们提出一种能准确识别最优图像块并将其用作计数示例的方法。具体而言，我们首先构建类原型以筛选可能包含感兴趣对象的图像块，即类相关块；进而引入一个可定量衡量任意图像块作为计数示例合适程度的模型。将该模型应用于所有候选块后，我们可选出最合适的块作为计数示例。在近期类无关计数数据集 FSC-147 上的实验结果验证了方法的有效性。代码见 https://github.com/cvlab-stonybrook/zero-shot-counting
引用
@article{arxiv.2303.02001,
title = {Zero-shot Object Counting},
author = {Jingyi Xu and Hieu Le and Vu Nguyen and Viresh Ranjan and Dimitris Samaras},
journal= {arXiv preprint arXiv:2303.02001},
year = {2023}
}
备注
CVPR 2023