AgriCountDINO：农业中参数高效的示例引导计数和本地化

植物及其器官的准确计数和定位支持表型分析和产量估计，但目标外观、规模和密度因物种和成像条件而异。示例框指定没有特定于类别的重新训练的目标，点预测识别对计数有贡献的各个实例。我们介绍 AgriCountDINO，一个用于联合计数和定位的参数高效的示例引导框架。它根据样本外观和大小条件冻结多尺度 DINOv3 特征，然后逐步将它们解码为目标点。丢失对象恢复将监督扩展到初始匹配忽略的目标，并且样本自适应点 NMS 根据样本规模过滤重复预测。 AgriCountDINO 拥有 840 万个可训练参数，约为 TasselNetV4 的十分之一，在 TPC-268 基准测试中实现了 11.92 的三次 MAE，在提供单独目标位置的同时将计数误差减少了 9.7%。仅在 TPC-268 上进行训练，它在 FSC-147 中未见过的通用对象类别上实现了 14.25 的零样本 MAE，比最佳比较零样本方法提高了 6.0%，无需目标域训练或微调。