要約
我々は、少量のサンプルから物体を数え検出する新しい課題に取り組んでいます。対象の物体クラスのいくつかの例示的なバウンディングボックスが与えられた場合、そのクラスに属するすべての物体を数え、検出することを目指します。この課題は少量学習による物体カウントと同様の教師データを使用しますが、全物体数だけでなく各物体のバウンディングボックスも出力します。この困難な問題に対処するために、我々は新たな二段階トレーニング戦略と新たな不確実性を考慮した少量学習型物体検出器：Counting-DETRを提案します。前者は擬似真値バウンディングボックスを生成し、後者のトレーニングに使用することを目的としています。後者は前者によって提供される擬似真値を利用しますが、擬似真値の不完全性を考慮するための必要な手順を取ります。我々の手法の性能を新しい課題で検証するために、FSCD-147およびFSCD-LVISという2つの新規データセットを導入しました。これらのデータセットには複雑なシーンや画像内の複数の物体クラス、そして物体形状・サイズ・外観における大きな変動が含まれています。我々が提案するアプローチは、少量学習による物体カウントと少量学習による物体検出から適応された非常に強力な基準モデルに対して、カウントと検出の両指標で大幅に優れた性能を示しています。コードとモデルは以下のURLで公開されています: https://github.com/VinAIResearch/Counting-DETR.