GCA-SUNet: شبكة Swin-UNet المدرَّجة الواعية بالسياق لعد غير مثال

العد بدون نماذج يهدف إلى عد الأشياء ذات الاهتمام دون الحاجة إلى تسميات مكثفة للأجسام أو النماذج. لتحقيق هذا الهدف، نقترح استخدام شبكة Swin-UNet المدرعة بالسياق والمزودة بوحدات التحكم (GCA-SUNet) لرسم خريطة الكثافة للأجسام القابلة للعد مباشرة من الصورة الإدخال. تحديداً، يتكون مجموعة من متحولات Swin من مشفّر يستخدم لاستخراج تمثيل ميزات قوي، وتم تصميم كتلة تعديل السياق المدارة بوحدة التحكم لقمع الأجسام أو الخلفية غير ذات الصلة عبر آلية بوابة، واستغلال الدعم المراعي للأجسام ذات الاهتمام من خلال مصفوفة التشابه الذاتي. يتم دمج استراتيجية البوابة أيضًا في الشبكة الضيقة والمنشئ العكسي لـ Swin-UNet لتسليط الضوء على الميزات الأكثر صلة بالأجسام ذات الاهتمام. عن طريق استغلال الدعم المراعي بين الأجسام القابلة للعد وإزالة الميزات غير ذات الصلة عبر آليات البوابة، تركز الشبكة المقترحة GCA-SUNet على عد الأجسام ذات الاهتمام دون اعتماد على فئات محددة مسبقاً أو نماذج. أظهرت النتائج التجريبية على قواعد بيانات حقيقية مثل FSC-147 وCARPK أن GCA-SUNet تتفوق بشكل كبير ومتسق على الأساليب الرائدة الأخرى. يمكن الحصول على الكود من الرابط التالي: https://github.com/Amordia/GCA-SUNet.