AgriCountDINO：农业中的参数高效示例引导计数与定位

准确地计数和定位植物及其器官有助于表型分析和产量估算，但目标的外观、尺度和密度会因物种和成像条件而存在巨大差异。示例框无需针对特定类别重新训练即可指定目标，而点预测则可识别构成计数结果的各个实例。我们提出 AgriCountDINO，一种参数高效的示例引导式计数与定位联合框架。该框架根据示例的外观和大小，对冻结的多尺度 DINOv3 特征进行条件化处理，然后逐步将其解码为目标点。漏检目标恢复机制将监督扩展到初始匹配遗漏的目标，而示例自适应点 NMS 则根据示例尺度过滤重复预测。AgriCountDINO 仅包含 8.4M 个可训练参数，约为 TasselNetV4 的十分之一；在 TPC-268 基准上，其三样本 MAE 达到 11.92，在提供单个目标位置的同时将计数误差降低了 9.7\%。仅使用 TPC-268 进行训练后，它在 FSC-147 中未见过的通用目标类别上实现了 14.25 的零样本 MAE；无需进行目标域训练或微调，相较于对比方法中最佳的零样本方法提升了 6.0\%。