GCA-SUNet：一种无示例的门控上下文感知Swin-UNet计数模型

无示例计数（Exemplar-Free Counting）旨在在没有大量对象注释或示例的情况下对感兴趣的对象进行计数。为了实现这一目标，我们提出了一种门控上下文感知Swin-UNet（GCA-SUNet），可以直接将输入图像映射到可计数对象的密度图。具体而言，一组Swin变换器构成编码器，以提取鲁棒的特征表示；设计了一个门控上下文感知调制块，通过门机制抑制无关对象或背景，并通过自相似矩阵利用感兴趣对象的注意力支持。此外，门策略还被整合到Swin-UNet的瓶颈网络和解码器中，以突出与感兴趣对象最相关的特征。通过显式地利用可计数对象之间的注意力支持并借助门机制消除无关特征，所提出的GCA-SUNet能够在不依赖预定义类别或示例的情况下专注于并计数感兴趣的对象。在FSC-147和CARPK等真实世界数据集上的实验结果表明，GCA-SUNet显著且一致地优于现有方法。代码可在https://github.com/Amordia/GCA-SUNet 获取。