CVPRMar, 2022
表示、比较和学习:基于相似度意识的类别不可知计数框架
Represent, Compare, and Learn: A Similarity-Aware Framework for Class-Agnostic Counting
Min Shi, Hao Lu, Chen Feng, Chengxin Liu, Zhiguo Cao
TL;DR本研究提出了一个相似性感知的类不可知计数 (CAC) 框架,它同时学习了特征表示和相似度度量,并通过一个叫做 BMNet 的基线和一个叫做 BMNet + 的扩展模型对其进行了实例化,以 FSC147 数据集为实验基础,证明了该模型显著优于现有 CAC 方法。