Count-ception: Counting by Fully Convolutional Redundant Counting

Le comptage des objets dans les images numériques est un processus qui devrait être remplacé par des machines. Cette tâche fastidieuse prend du temps et est sujette aux erreurs dues à la fatigue des annotateurs humains. Le but est d’avoir un système qui prenne en entrée une image et retourne un compte des objets à l’intérieur et une justification de la prédiction sous la forme de localisation d’objet. Nous posons le problème, posé à l’origine par Lempitsky et Zisserman, de prédire plutôt une carte de comptage contenant des comptes redondants basés sur le champ récepteur d’un réseau de régression plus petit. Le réseau de régression prédit le nombre d’objets existant dans ce cadre. En traitant l’image de manière totalement convolutive, chaque pixel va être pris en compte un certain nombre de fois, le nombre de fenêtres qui l’incluent, qui correspond à la taille de chaque fenêtre (c’est-à-dire 32×32 = 1024). Pour récupérer le nombre réel, nous prenons la moyenne par rapport aux prévisions redondantes. Notre contribution consiste à compter de manière redondante au lieu de prévoir une carte de densité afin de calculer la moyenne des erreurs. Nous proposons également une nouvelle architecture de réseau neuronal profond adaptée de la famille de réseaux Inception appelée réseau Count-ception. Ensemble, notre approche aboutit à une amélioration relative de 20% (2,9 à 2,3 MAE) de la méthode de pointe de Xie, Noble et Zisserman en 2016.