FAPIS：一种少样本无锚点基于部件实例分割器
计算机视觉与模式识别
2021-04-02 v1
摘要
本文研究少样本实例分割问题，其中训练与测试图像集不共享相同的对象类别。我们提出并评估了一种新的少样本无锚点基于部件的实例分割器 FAPIS。我们的关键创新在于显式建模跨训练对象类别共享的潜在对象部件，这有望促进我们在测试时对新型类别的少样本学习。我们提出了一种新的无锚点目标检测器，旨在对前景边界框的位置进行打分与回归，并估计每个框内潜在部件的相对重要性。此外，我们提出了一种新的网络，用于在每一个检测到的边界框内描绘潜在部件并为其加权以得到最终实例分割。我们在基准数据集 COCO-20i 上的评估表明，我们显著优于当前最优方法（SOTA）。
引用
@article{arxiv.2104.00073,
title = {FAPIS: A Few-shot Anchor-free Part-based Instance Segmenter},
author = {Khoi Nguyen and Sinisa Todorovic},
journal= {arXiv preprint arXiv:2104.00073},
year = {2021}
}
备注
Accepted to CVPR 2021