摘要
当前的类别无关计数方法可以泛化到未见过的类别，但通常需要参考图像来定义要计数的对象类型，以及在训练过程中进行实例注释。无参考的类别无关计数是一个新兴领域，其核心在于将计数视为一种重复识别任务。这类方法有助于处理变化的集合组成。我们证明了，通过使用包含全局上下文的一般特征空间，可以在没有对象类型先验的情况下对图像中的实例进行枚举。具体而言，我们展示了从视觉变换器特征回归的方法，在无需点级监督或参考图像的情况下，优于其他无参考方法，并且与使用参考图像的方法具有竞争力。我们在当前的标准少样本计数数据集FSC-147上验证了这一点。此外，我们提出了一种改进的数据集FSC-133，该数据集移除了FSC-147中的错误、歧义和重复图像，并在其上展示了类似的性能。据我们所知，这是首个弱监督无参考的类别无关计数方法。