이미지 레벨 감독을 이용한 객체 카운팅 및 인스턴스 세그멘테이션

자연 환경에서의 일반 객체 카운팅은 수많은 실제 응용 분야를 가진 컴퓨터 비전 분야에서 어려운 문제입니다. 기존의 이미지 레벨 감독된 일반 객체 카운팅 접근 방식은 전역 객체 수만 예측하며, 객체 위치를 결정하기 위해서는 추가적인 인스턴스 레벨 감독이 필요합니다. 우리는 객체 카테고리 밀도 맵을 구축하여 전역 객체 수와 객체 인스턴스의 공간 분포를 모두 제공하는 이미지 레벨 감독된 접근 방식을 제안합니다. 심리학적 연구에 영감을 받아, 우리는 최대 4개까지의 제한된 객체 수 정보를 사용하여 이미지 레벨 감독을 줄였습니다. 우리 지식으로는, 우리는 처음으로 일반 객체 카운팅을 위한 이미지 레벨 감독된 밀도 맵 추정을 제안하고, 이 방법이 이미지 레벨 감독된 인스턴스 세그멘테이션에서 효과적임을 입증하였습니다. PASCAL VOC 및 COCO 데이터셋에서 포괄적인 실험이 수행되었습니다. 우리의 접근 방식은 일반 객체 카운팅에서 기존 방법들을 능가하였으며, 특히 인스턴스 레벨 감독을 사용하는 방법들보다 우수한 성능을 보였습니다. 또한, PASCAL VOC 2012 데이터셋에서 평균 최고 중첩도 측면에서 상대적으로 17.8% 향상된 성능으로 최신의 이미지 레벨 감독된 인스턴스 세그멘테이션 결과를 개선했습니다.코드 링크: https://github.com/GuoleiSun/CountSeg