CAFENet：类无关少样本边缘检测网络
计算机视觉与模式识别
2020-03-19 v1 机器学习
图像与视频处理
摘要
我们解决了一个新颖的少样本学习挑战，称之为少样本语义边缘检测，旨在仅使用少量标注样本来定位新类别的清晰边界。我们还提出了一种基于元学习策略的类无关少样本边缘检测网络（CAFENet）。CAFENet采用小尺度语义分割模块来弥补边缘标签中语义信息的缺失。预测的分割掩码用于生成注意力图以突出目标对象区域，并使解码器模块聚焦于该区域。我们还提出了一种基于多分割匹配的新正则化方法。在元训练中，具有高维向量的度量学习问题被划分为具有低维子向量的小子问题。由于目前没有用于少样本语义边缘检测的数据集，我们构建了两个新数据集FSE-1000和SBD-，并在其上评估了所提出CAFENet的性能。大量仿真结果证实了CAFENet所采用技术的性能优势。
引用
@article{arxiv.2003.08235,
title = {CAFENet: Class-Agnostic Few-Shot Edge Detection Network},
author = {Young-Hyun Park and Jun Seo and Jaekyun Moon},
journal= {arXiv preprint arXiv:2003.08235},
year = {2020}
}
备注
15 pages, 6 figures