摘要

我们对统计自然场景中物体类别实例的数量感兴趣。以往的计数方法主要集中在特定领域，例如在监控视频中统计行人数量。计数也可以从其他视觉任务（如目标检测）的输出中进行估算。在这项工作中，我们构建了专门用于计数的模型，旨在应对自然场景中物体数量、外观和尺度的巨大变化。我们的方法受到子觉现象的启发——即人类能够在感知信号下快速评估小数量值的能力。对于给定的自然场景，我们采用了分而治之的策略，并结合整个场景的上下文来适应子觉计数的思想。我们的方法在PASCAL VOC 2007和COCO数据集上的计数任务中相比多个基线方法提供了持续的改进。随后，我们研究了如何利用计数来提高目标检测的效果。最后，我们通过研究VQA和COCO-QA数据集中“有多少？”类问题，展示了我们的计数方法在视觉问答任务中的概念验证应用。