用于少样本分割的分层密集相关性蒸馏
计算机视觉与模式识别
2023-03-28 v1 人工智能
摘要
少样本语义分割（FSS）旨在构建类无关模型，仅用少量标注分割未见类。以往方法受限于语义特征与原型表示，存在分割粒度粗和训练集过拟合问题。本工作设计基于 transformer 架构、挖掘像素级支持相关性的分层解耦匹配网络（HDMNet）。自注意力模块用于辅助建立分层密集特征，以实现查询与支持特征间的级联匹配。此外，我们提出一种匹配模块以减轻训练集过拟合，并引入从粗分辨率利用语义对应来提升细粒度分割的相关性蒸馏。我们的方法在实验中表现良好。在 coco 数据集单样本设定下取得 50.0% mIoU，五样本分割下取得 56.0% mIoU。
引用
@article{arxiv.2303.14652,
title = {Hierarchical Dense Correlation Distillation for Few-Shot Segmentation},
author = {Bohao Peng and Zhuotao Tian and Xiaoyang Wu and Chenyao Wang and Shu Liu and Jingyong Su and Jiaya Jia},
journal= {arXiv preprint arXiv:2303.14652},
year = {2023}
}
备注
to be published in CVPR 2023, code is available at \url{https://github.com/Pbihao/HDMNet}