Пересчитать мелкие детали на сложной фотографии вручную — занятие из разряда «сам себе враг». GeCo2 берёт на себя эту головную боль: модель умеет считать объекты на изображениях, даже если они налезают друг на друга или отличаются размером в несколько раз. Система использует Generalized-Scale Object Counting with Gradual Query Aggregation — технологию, которая постепенно анализирует запросы и выделяет объекты независимо от их масштаба.
Как GeCo2 работает с масштабом
Главная фишка модели — она не требует заранее знать, насколько большие или маленькие объекты искать. Алгоритм сам определяет диапазон размеров и адаптируется под конкретную картинку. На снимке может быть толпа людей вдалеке и несколько фигур крупным планом — GeCo2 обработает и тех, и других. Система последовательно собирает данные из разных уровней изображения и комбинирует результаты, чтобы не пропустить ни одного элемента.
Подсчёт объектов в плотных группах
Когда объекты расположены кучно — скажем, ягоды в корзине или автомобили на парковке — обычные алгоритмы начинают путаться и склеивать соседние элементы в один. GeCo2 справляется с этой проблемой за счёт постепенной агрегации запросов: модель пошагово уточняет границы каждого объекта, разделяя даже те, что наложены друг на друга. Это полезно в задачах инвентаризации, анализе спутниковых снимков или медицинской диагностике, где точность подсчёта критична.
Применение и интеграция
Модель доступна на GitHub и поставляется с открытым кодом, что позволяет встроить её в собственные проекты. Можно обучить систему на специфических данных — например, подсчитывать клетки в микроскопии или деревья на аэрофотосъёмке. GeCo2 работает с различными форматами изображений и не требует мощных серверов для базовых сценариев. Документация включает примеры использования и готовые скрипты для быстрого старта.
Блог