摘要

本文研究了少样本目标计数（few-shot object counting）问题，即在查询图像中统计由一个或多个支持图像（support images）所描述的示例对象的数量。该任务的主要挑战在于，目标对象在查询图像中可能高度密集分布，导致难以准确识别每一个独立对象。为应对这一难题，本文提出一种新颖的学习模块，包含相似性对比模块与特征增强模块。具体而言，给定一个支持图像和一个查询图像，我们首先在每个空间位置上对比二者投影后的特征，生成一个得分图（score map）。将所有支持图像对应的得分图进行聚合，并在示例维度与空间维度上进行归一化，从而得到一个可靠的相似性图（similarity map）。随后，利用所构建的逐点相似性作为加权系数，对查询图像的特征进行增强，融合支持图像的特征信息。该设计促使模型在分析查询图像时，更加关注与支持图像相似的区域，从而显著提升不同对象之间的边界清晰度。在多个基准数据集及不同的训练设置下进行的大量实验表明，本文方法在性能上显著优于现有最先进方法。例如，在近期发布的大型FSC-147数据集上，我们将平均绝对误差（MAE）从22.08降低至14.32，相对提升达35%。相关代码已开源，地址为：https://github.com/zhiyuanyou/SAFECount。