图像到伪片段：利用无标签数据提升少样本分割
计算机视觉与模式识别
2024-05-15 v1
摘要
少样本分割（FSS）旨在训练一个模型，使其能够利用少量标注样本分割新类别的目标。当模型缺乏来自新类别的足够标注数据时，其泛化能力不足会导致性能不佳。考虑到存在大量可用的无标签数据，通过利用这些多样化的数据来提升泛化能力极具前景。为了利用无标签数据，我们提出了一种名为图像到伪片段（IPE）的新方法，用于从无标签数据生成伪片段。具体而言，我们的方法包含两个模块，即伪标签生成模块和片段生成模块。前者利用谱聚类算法从无标签图像中生成伪标签，后者通过数据增强方法从伪标签图像中生成伪片段。在 PASCAL- 和 COCO- 上的大量实验表明，我们的方法在 FSS 上取得了 SOTA 性能。
引用
@article{arxiv.2405.08765,
title = {Image to Pseudo-Episode: Boosting Few-Shot Segmentation by Unlabeled Data},
author = {Jie Zhang and Yuhan Li and Yude Wang and Stephen Lin and Shiguang Shan},
journal= {arXiv preprint arXiv:2405.08765},
year = {2024}
}