基于图像级弱标注增强的小样本语义分割
计算机视觉与模式识别
2021-06-21 v2 机器学习
图像与视频处理
摘要
尽管深度神经网络在语义分割任务中取得了巨大进展，但传统的基于神经网络的方法通常面临大量像素级标注短缺的问题。小样本语义分割的最新进展通过仅使用少量像素级标注示例来解决该问题。然而，这些小样本方法不易应用于多路或弱标注设置。在本文中，我们将小样本分割范式推进到一个场景，其中图像级标注可用于辅助少量像素级标注的训练过程。我们的核心思想是通过融合来自图像级标注数据的知识来学习更好的类别原型表示。具体来说，我们提出了一个名为PAIA的新框架，通过整合图像级标注在度量空间中学习类别原型表示。此外，考虑到伪掩码的不确定性，我们设计了一种蒸馏软掩码平均池化策略来处理图像级标注中的干扰。在两个数据集上的大量实证结果表明了PAIA的优越性能。
引用
@article{arxiv.2007.01496,
title = {Few-Shot Semantic Segmentation Augmented with Image-Level Weak Annotations},
author = {Shuo Lei and Xuchao Zhang and Jianfeng He and Fanglan Chen and Chang-Tien Lu},
journal= {arXiv preprint arXiv:2007.01496},
year = {2021}
}
备注
Accpeted to ICME2021