要約
既存のカウント手法はしばしば回帰に基づくアプローチを採用しており、対象物体を正確に局所化することができないため、さらなる分析（例：高次理解や細かい分類）が妨げられています。さらに、これまでの多くの研究は主に固定カメラを使用した静的な環境での物体カウントに焦点を当てています。無人飛行機（ドローン）の登場に触発され、我々は動的な環境における物体検出とカウントに興味を持っています。本研究では、Layout Proposal Networks (LPNs) と空間カーネルを提案し、ドローンで記録されたビデオにおいて対象物体（例：車両）を同時にカウントおよび局所化します。従来の領域提案手法とは異なり、我々は空間配置情報（例：車両が規則的に駐車されることが多い）を利用し、これらの空間制約をネットワークに導入することで局所化精度を向上させます。我々のカウント手法を評価するために、新しい大規模な駐車場データセット（CARPK）を提示します。このデータセットには、異なる駐車場から撮影された約90,000台の車両が含まれています。当該研究者の知る限りでは、これは物体カウントを支援する最初かつ最大規模のドローン視点データセットであり、バウンディングボックス注釈も提供しています。