摘要
零样本计数（Zero-shot counting）是通用视觉目标计数（Generic Visual Object Counting）的一个子领域，旨在对给定图像中任意类别对象进行计数。与依赖提供样本图像以计数相似类别对象的少样本计数方法不同，零样本计数通过自动化机制实现更高效的处理流程。本文提出了一种完全自动化的零样本计数方法，其性能超越了现有的零样本及少样本方法。该方法利用预训练检测型主干网络提取的特征图，引入了一种新型视觉嵌入模块（Visual Embedding Module），用于在对象上下文信息中生成语义嵌入。随后，这些嵌入被输入至自注意力匹配模块（Self-Attention Matching Module），以生成供头部计数器使用的编码表示。所提出的方法在FSC147数据集上取得了当前最优的性能表现，平均绝对误差（MAE）和均方根误差（RMSE）分别达到8.89和35.83。此外，该方法在性能上也展现出与少样本方法相当的竞争力，显著提升了视觉目标计数技术在多种工业应用场景中的实用性，例如树木计数、野生动物个体计数等。