Meta-DRN：用于1-shot图像分割的元学习
计算机视觉与模式识别
2020-08-04 v1 机器学习
图像与视频处理
摘要
现代深度学习模型已经革新了计算机视觉领域。但是，这些模型大多数存在一个显著缺陷，即它们需要大量带标签样本才能正确泛化。少样本学习的最新进展旨在缓解这一需求。本文中，我们提出了一种用于1-shot图像分割的新型轻量CNN架构。所提模型受性能良好的语义分割架构启发并适配于1-shot领域。我们使用4种在图像分类中表现良好的元学习算法训练模型并比较结果。对于所选数据集，我们提出的模型参数数量比基准少70%，同时在使用全部4种元学习算法时具有更优或可比的平均IoU分数。
引用
@article{arxiv.2008.00247,
title = {Meta-DRN: Meta-Learning for 1-Shot Image Segmentation},
author = {Atmadeep Banerjee},
journal= {arXiv preprint arXiv:2008.00247},
year = {2020}
}