.png){kind=icon}
返回
SAVE: Self-Attention on Visual Embedding for Zero-Shot Generic Object Counting
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging11020052.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
零样本计数是通用视觉目标计数的一个子类别，其目标是在给定图像中计数任意类别的对象。而少样本计数依赖于向模型提供示例来计数相似类别的对象，零样本计数则通过自动化操作实现更快的处理。本文提出了一种完全自动化的零样本方法，其性能优于现有的零样本和少样本方法。通过利用预训练检测骨干网络的特征图，我们引入了一个新的视觉嵌入模块，旨在生成包含对象上下文信息的语义嵌入。这些嵌入随后被输入到自注意力匹配模块中，以生成用于计数头的编码表示。我们提出的方法超越了近期零样本方法，在FSC147数据集上分别实现了8.89和35.83的最佳平均绝对误差（MAE）和均方根误差（RMSE）结果。此外，该方法在与其他少样本方法的比较中表现出竞争性性能，推动了视觉目标计数在树木计数、野生动物计数等工业应用以及血液细胞计数等医学应用中的能力。
Keyword:
object counting
transformers
visual attention
zero-shot
class-agnostic
期刊
J
IF:
3.3
论文数:
1.0K
被引数:
4.4K
机构
引用论文
.png){kind=icon}
COUNT Forest: CO-Voting Uncertain Number of Targets Using Random Forest for Crowd Density Estimation
PREAI
分享收藏MoundCount: A detection-based approach for automatic counting of planting microsites on UAV imagesOAAI
OAAI分享收藏
查看更多内容