一种用于少样本分割的自蒸馏嵌入监督亲和注意力模型
计算机视觉与模式识别
2023-03-21 v3
摘要
少样本分割关注模型在仅有少量标注样本时对未见目标进行分割的泛化能力。然而，现有方法仍面临两个主要挑战。首先，支持图像与查询图像间巨大的特征差异导致知识迁移障碍，损害分割性能。其次，有限的支持原型无法充分表示支持目标的特征，难以引导高质量的查询分割。为应对上述两个问题，我们提出自蒸馏嵌入监督亲和注意力模型以提升少样本分割任务性能。具体而言，自蒸馏引导原型模块利用自蒸馏对齐支持与查询的特征。监督亲和注意力模块生成高质量查询注意力图以提供充足目标信息。大量实验证明我们的模型相比现有方法显著提升性能。综合消融实验与可视化研究也显示了我们的方法在少样本分割任务上的显著效果。在 COCO-20i 数据集上，我们取得了新的 SOTA 结果。训练代码与预训练模型见 https://github.com/cv516Buaa/SD-AANet。
引用
@article{arxiv.2108.06600,
title = {A Self-Distillation Embedded Supervised Affinity Attention Model for Few-Shot Segmentation},
author = {Qi Zhao and Binghao Liu and Shuchang Lyu and Huojin Chen},
journal= {arXiv preprint arXiv:2108.06600},
year = {2023}
}
备注
14 pages, 12 figures