Jan, 2024

NWPU-MOC：空中影像中精细级多类目物体计数的基准测试

HTML
PDF
TL;DR本文介绍了一种用于估计空中图像中不同对象（如汽车、建筑、船只等）数量的多类别对象计数任务。作者提出了一个基于NWPU-MOC数据集的多光谱、多类别对象计数框架，并通过使用双重注意力模块融合RGB和近红外特征，进而回归多通道密度地图。实验证明，该方法在性能上优于主流的计数算法。
发现论文，激发创造
  • 基于空间正则化区域建议网络的无人机物体计数

    本文提出了一种基于空间布局和Layout Proposal Networks技术的目标计数和定位方法，能够准确识别和定位无人机拍摄的视频中的目标物体，同时通过提出了一个新的大型数据集来评估该方法。

    Jul, 2017

  • 基于图像级监督的目标计数与实例分割

    本文提出了一种基于图像级别监督学习实现常见物体计数的方法，该方法可以同时提供全局物体计数和物体实例的空间分布，并通过构建对象类别密度映射来实现。作者的方法在PASCAL VOC和COCO数据集上进行了全面实验，表现出了优异的性能。

    Mar, 2019

  • 遥感图像中密集物体计数

    本文提出了一种基于遥感图像的密集目标计数数据集，包含建筑物、港口拥挤船只、停车场中的大型和小型车辆。我们设计了一种新的神经网络，它能够生成输入图像的密度图，该网络由卷积块注意力模块(CBAM)、尺度金字塔模块(SPM)和可变形卷积模块(DCM)三部分构成。实验表明，所提出的数据集的挑战性，以及我们的方法的优越性和有效性。

    Feb, 2020

  • 天空计数：一个用于遥感目标计数的大规模数据集和基准方法

    在本文中，我们致力于研究如何从遥感图像中计数密集物体，针对这一难题，我们构建了一个大规模的遥感图像计数数据集，设计了一种新型的神经网络可以生成一个输入图像的密度图，并进行广泛的实验证明了我们方法的卓越性和有效性。

    Aug, 2020

  • 航拍图像中的物体检测：大规模基准和挑战

    本研究介绍了一个大规模的DOTA数据集，包括从11,268个航拍图像中收集的18个分类的定向边界框注释的1,793,658个物体实例，并基于此构建了覆盖70多种配置的10种最新算法的基线，还提供了ODAI的代码库和用于评估不同算法的网站。

    Feb, 2021

  • 基于协变量重要性采样的卫星图像大规模目标计数

    通过对高分辨率卫星图像进行目标检测并对样本进行抽样估计，使用重要性采样方法准确估算目标数量，达到优秀的性能表现。

    Dec, 2021

  • 基于伪标记语义分割的多类目标计数学习

    本文提出了一种基于范例的分割模型，用于对多类图像进行对象计数，解决了当前多类对象计数模型的主要问题，并介绍了两个新的测试基准，在这些基准上，我们的方法显示出了显着的优势。

    Jul, 2023

  • 点、线段和计数：一种用于对象计数的普遍框架

    基于检测的PseCo框架将SAM和CLIP结合起来，实现了对少样本和零样本的准确目标计数，通过点定位、分割和计数等步骤解决了效率和小物体区分等难题。

    Nov, 2023

  • OmniCount：基于语义几何先验的多标签物体计数

    一种新的实用方法，利用预训练模型的语义和几何洞察力，采用开放词汇框架同时计数多个对象类别，生成精确的对象掩模并利用点提示进行高效计数。

    Mar, 2024

  • DAVE - 低样本计数的检测和验证范式

    DAVE是一种基于检测和验证范式的低样本计数器，通过首先生成高召回的检测集，然后验证检测结果以识别和移除异常值，从而避免了总计数的过高估计，并且在检测质量方面超越了最新的基于检测计数器，也在零样本和文本提示计数方面创造了新的技术水平。

    Apr, 2024