一种用于少样本分割的新局部变换模块
计算机视觉与模式识别
2019-11-13 v2
摘要
少样本分割利用少量人工标注分割新类别的目标区域。其关键步骤是建立支持图像（已标注图像）与查询图像（未标注图像）之间的变换模块，从而使支持图像的分割线索能引导查询图像的分割。现有方法基于全局线索构建变换模型，然而其忽略了本文所验证对变换非常重要的局部线索。本文提出一种基于局部线索的新变换模块，利用局部特征之间的关系进行变换。为增强网络的泛化性能，关系矩阵基于余弦距离在高维度量嵌入空间中计算。此外，为处理从低层局部关系到高层语义线索这一具有挑战性的映射问题，我们提出应用支持图像标注矩阵的广义逆矩阵对关系矩阵进行线性变换，该过程无参数且类无关。矩阵变换的结果可视为具有高层语义线索的注意力图，基于此可简单构建变换模块。所提变换模块为通用模块，可用于替换现有少样本分割框架中的变换模块。我们在 Pascal VOC 2012 数据集上验证了所提方法的有效性。mIoU 值在 1-shot 下达到 57.0%，在 5-shot 下达到 60.6%，分别优于当前最优方法 1.6% 与 3.5%。
引用
@article{arxiv.1910.05886,
title = {A New Local Transformation Module for Few-shot Segmentation},
author = {Yuwei Yang and Fanman Meng and Hongliang Li and Qingbo Wu and Xiaolong Xu and Shuai Chen},
journal= {arXiv preprint arXiv:1910.05886},
year = {2019}
}