GCA-SUNet: ゲート付きコンテキスト認識型Swin-UNetによるサンプル不要のカウント手法

Exemplar-Free Counting は、対象物体の詳細なアノテーションやサンプルを必要とせずに、対象物体を数えることを目指しています。この目標を達成するため、私たちは Gated Context-Aware Swin-UNet (GCA-SUNet) を提案します。このネットワークは入力画像を直接、数えられる物体の密度マップにマッピングします。具体的には、一連の Swin 変換器がエンコーダーを形成し、堅牢な特徴表現を導き出します。また、ゲート機構を通じて無関係な物体や背景を抑制し、対象物体の注意的なサポートを自己類似行列を通じて活用する Gated Context-Aware Modulation ブロックが設計されています。ゲート戦略はさらに Swin-UNet のボトルネックネットワークとデコーダーにも組み込まれ、対象物体に関連性が高い特徴を強調します。対象物体間での注意的なサポートを明示的に活用し、ゲート機構を通じて無関係な特徴を取り除くことで、提案された GCA-SUNet は事前に定義されたカテゴリーやサンプルに依存することなく対象物体に焦点を当てて数えることができます。FSC-147 や CARPK などの実世界データセットにおける実験結果は、GCA-SUNet が最先端の手法に対して有意かつ一貫して優れた性能を発揮することを示しています。コードは https://github.com/Amordia/GCA-SUNet で公開されています。