ChatGPT and general-purpose AI count fruits in pictures surprisingly well

目标计数是深度学习在各个领域中广受欢迎的任务，包括农业。传统的深度学习方法需要大量的训练数据，这在实际应用中常常是一个逻辑问题。为了解决这个问题，我们研究了ChatGPT（GPT4V）和一个通用的人工智能（用于物体计数的基础模型T-Rex）在100张图像中计算水果体（咖啡果）数量的表现。基础模型通过少量的领域特定学习表现优异，优于经过训练的YOLOv8模型（分别为R2 = 0.923和0.900）。ChatGPT也展示了一些有趣的潜力，特别是在应用人类反馈的少量学习时（分别为R2 = 0.360和0.460）。此外，我们还考察了实际应用所需的时间。使用基础模型和ChatGPT获得结果的时间远远短于YOLOv8模型（分别为0.83小时、1.75小时和161小时）。我们将这些结果解释为应用领域深度学习用户的两个惊喜：基础模型通过少量的领域特定学习可以大大节省时间和精力，而ChatGPT可以展示相对良好的表现。这两种方法都不需要编程技能，可以促进人工智能教育和传播。

论文旨在解决目标计数在深度学习应用中需要大量训练数据的问题，并比较了 ChatGPT 和基于 T-Rex 的基础模型的表现。

使用少量特定领域的数据进行少样本学习可以显著提高模型性能，同时ChatGPT也可以用于目标计数任务。

论文比较了基于少样本学习的基础模型和传统的深度学习方法，发现前者在时间和性能上都有优势；同时，论文还展示了ChatGPT在目标计数任务中的潜力，特别是在人类反馈下的少样本学习中。实验使用了100张咖啡樱桃图像，并比较了三种模型的性能和实现时间。

在目标计数领域，最近的相关研究包括《Counting Everyday Objects in Everyday Scenes》和《A Survey of Deep Learning-Based Object Detection》等。