CRCNet：基于交叉参考与区域-全局条件网络的少样本分割
计算机视觉与模式识别
2022-08-24 v1
摘要
少样本分割旨在学习一个仅需少量训练图像即可泛化到新类别的分割模型。本文中，我们提出一种用于少样本分割的交叉参考与局部-全局条件网络（CRCNet）。与以往仅预测查询图像掩码的工作不同，我们提出的模型同时对支持图像和查询图像进行预测。我们的网络借助交叉参考机制能更好地发现两幅图像中的共现物体，从而助力少样本分割任务。为了进一步改进特征比较，我们开发了局部-全局条件模块以捕获全局与局部关系。我们还开发了掩码细化模块，递归地细化前景区域的预测。在PASCAL VOC 2012、MS COCO和FSS-1000数据集上的实验表明，我们的网络取得了新的最先进性能。
引用
@article{arxiv.2208.10761,
title = {CRCNet: Few-shot Segmentation with Cross-Reference and Region-Global Conditional Networks},
author = {Weide Liu and Chi Zhang and Guosheng Lin and Fayao Liu},
journal= {arXiv preprint arXiv:2208.10761},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2003.10658