学习计数任意目标.
本文提出了一个小样本计数网络FamNet，相比于流行的计数网络，通用性更强。流行的计数网络多数针对单类物体，比如针对人群、动物、细胞、交通工具、植物等。该模型通用性更强，但可能对某种类别计数不如专门训练过的网络。
FamNet的网络结构如图所示。模型输入原图和几个标注框的位置，通过冻结的resnet 50的全卷积部分提取特征图，并通过FPN的多尺度来强化特征；然后通过ROI pooling将标注框的特征池化到统一大小；最后通过卷积计算ROI特征和全图特征的相关性，并通过密度估计模块（由5个卷积和3个下采样层组成）预测密度图。
在训练时需要构造密度图作为Ground Truth。构建密度图的过程：使用适当的窗口尺寸进行高斯平滑。具体来说，首先采用点标注来估计目标的尺寸：计算每一个点和最近邻点的距离以及所有点的平均距离，这一平均距离作为高斯滑动窗口的尺寸用来产生密度图，高斯分布的标准差设为窗口尺寸的四分之一。损失采用均方误差(MSE)。
在推理阶段，提出一种适应损失用于提升估计模块的精度，关键在于充分利用边界框样本的位置信息（在训练阶段利用的是样本外观特征信息）。推理阶段继续迭代损失更新网络。
适应损失函数由Min-Count loss和Perturbation Loss组成：
\[\mathcal{L}_{Adapt} = \lambda_1\mathcal{L}_{MinCount} + \lambda_2\mathcal{L}_{Per}\]其中Min-Count loss约束每个目标框对应位置的物体数量应该至少是1个，若小于1个就产生损失，大于等于1不产生损失：
\[\mathcal{L}_{MinCount}=\sum_{b\in B}\max(0, 1-||Z_b||_1)\]Perturbation Loss是指给定一个需要跟踪的物体以及它的标注框，当一个框位于标注框的位置时有最大的响应值，当这个框偏离了标注框，它的响应值会随着干扰距离的增加而呈指数衰减，通常为高斯分布。设$G_{h\times w}$为尺寸是$h\times w$的2D高斯分布图，干扰损失计算为：
\[\mathcal{L}_{Per} = \sum_{b\in B}||Z_b-G_{h\times w}||_2^2\]此外作者还开源了一个小样本物体计数的数据集FSC147，共有6135张图像，147类物体，主要由厨房餐具、办公文具、信纸、交通工具、动物等组成。数量从7-3731，平均每张图的物体数量是56。通常每张图只有一类物体有标注（点标注），每张图只有三个物体有额外的框标注。数据集的划分：训练集：3659张，89类；验证集：1286张，29类；测试集：1190张，29类，总计147类。
