Mar, 2024

基于密度引导的时间注意力变换器用于水下视频中无法分辨物体的计数

PDF
TL;DR提出了一个大规模数据集 YoutubeFish-35，在该数据集上评估了三种主流的密集物体计数方法，并提出了一种新的强基线方法 TransVidCount，该方法在 YoutubeFish-35 数据集上具有最先进的性能，可有效处理不可辨别的物体计数问题。
dense object countingcrowd countingindiscernible object countingimage-based object counting datasetstransvidcount
发现论文，激发创造
  • 水下场景中的不可辨物体计数

    本文提出名为 IOC 的新挑战，即对于具有相似背景的物体进行计数，为了解决缺乏适当数据集的问题，我们提出了一个包含 5637 张高分辨率图像和 659024 个注释中心点的大规模数据集 IOCfish5K，并提供了一种新的基于 IOCfish5K 的有效计数方法 IOCFormer。

    Apr, 2023

  • AFreeCA：无需标注的全能计数

    利用文本到图像的潜在扩散模型 (LDMs)，本研究介绍了一种无监督的排序方法，通过借助生成的计数数据，对任意类型的对象进行可靠计数，该方法优于其他无监督和少样本方法，不受特定对象类别计数数据的限制。

    Mar, 2024

  • 基于不相交监督的密集视频目标字幕生成

    我们提出了一种针对密集视频对象字幕的新任务和模型 - 检测、跟踪和说明视频中所有对象的轨迹。

    Jun, 2023

  • Caltech 鱼类计数数据集：多目标跟踪和计数的基准测试

    本文介绍了 Caltech 鱼类计数数据集（CFC），它是一种大规模的数据集，用于检测、跟踪和计数声纳视频中的鱼类。该数据集为低信噪比计算机视觉应用程序提供了丰富的数据来源，并且比现有的大多数计数数据集来源更自然。我们使用基线实验来评估 MOT 和计数中的泛化表现，并确定了进一步发展状态的关键挑战和机遇。

    Jul, 2022

  • 密度聚类计数中的免费聚焦

    该研究旨在通过引入增强方法和前景蒸馏，以提高基于图像的计数任务的性能。作者在多个数据集上展示了该方法的有效性。

    Jun, 2023

  • 带时间感知网络的快速视频人群计数

    本文提出了基于时间感知建模的人群计数方法，使用了一些扩张残差块，并提出了一个轻量级网络来平衡计算成本和表示能力，实验表明该方法在人群计数领域具有显著的优势。

    Jul, 2019

  • 少样本物体计数和检测

    本文提出了一种新的两阶段训练策略和一种新的基于不确定性感知的少样本对象检测器：Counting-DETR，用于解决少样本目标计数和检测问题，并在两个新数据集上验证了其性能优于强基线模型。

    Jul, 2022

  • 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

  • 集中计数自由

    本文提出了一种基于点标注的目标计数方法，以构建更好的密度图作为监督信号，同时将点标注视为更多用途的监督信号，从而提高了计数的准确性。

    Mar, 2019

  • 学习数数

    该研究针对视觉物体计数问题，提出了一种基于少样本回归任务的方法，同时也介绍了一种新的适应策略和数据集以供模型训练和评估，并证明该方法在性能上优于现有的物体识别和计数方法。

    Apr, 2021