优秀网站特点在百度怎么发布作品

jerpelhan/DAVE (github.com)

摘要

低样本计数器估算选定类别对象的数量，即使在图像中只有少量或没有标注样本的情况下。目前最先进的技术通过对象位置密度图的总和来估算总数量，但这种方法无法提供单个对象的位置和大小，这对于许多应用来说至关重要。

基于检测的计数器可以解决这个问题，但在总数精度上表现不佳。

此外，这两种方法在存在其他类别对象时往往会因许多误报而高估数量。

我们提出了DAVE，一种基于“检测和验证”范式的低样本计数器，通过首先生成高召回率的检测集，然后验证检测结果以识别并删除异常值，从而避免上述问题。

这种方法共同提高了召回率和精度，导致更准确的计数。

DAVE在总计数平均绝对误差（MAE）方面比最先进的基于密度的计数器高出20%，在检测质量上比最新的基于检测的计数器高出20%，并在零样本以及基于文本提示的计数方面设立了新的行业标准。

DAVE

LOCA

SAFECount

CountTR