用于少样本多图像协同分割的有向变分交叉编码器网络
计算机视觉与模式识别
2020-10-20 v1
摘要
本文提出了一种利用类不可知元学习策略的多图像协同分割新框架,该框架在每类新类仅给定少量训练样本的情况下即可泛化到新类。我们开发了一种称为 DVICE(有向变分推断交叉编码器)的新型编码器-解码器网络,其学习连续的嵌入空间以保证更好的相似性学习。我们结合所提出的 DVICE 网络与一种新型少样本学习方法来解决在 iCoseg 和 MSRC 等小数据集上协同分割所遇到的小样本量问题。此外,所提框架不使用任何语义类标签,且完全类不可知。通过在多个数据集上仅使用少量训练数据进行的详尽实验,我们证明了我们的方法优于所有现有的最先进(state-of-the-art)技术。
引用
@article{arxiv.2010.08800,
title = {Directed Variational Cross-encoder Network for Few-shot Multi-image Co-segmentation},
author = {Sayan Banerjee and S Divakar Bhat and Subhasis Chaudhuri and Rajbabu Velmurugan},
journal= {arXiv preprint arXiv:2010.08800},
year = {2020}
}
备注
Accepted at 2020 25th International Conference on Pattern Recognition (ICPR)