面向语义分割的单样本学习
计算机视觉与模式识别
2017-09-12 v1
摘要
用于图像分类的少样本学习方法支持从稀疏数据中学习。我们扩展了这些技术以支持密集语义图像分割。具体而言，我们训练了一个网络，该网络在给定一小组标注图像后，生成全卷积网络（FCN）的参数。我们使用该FCN对测试图像中新的语义类别进行密集像素级预测。我们的架构在PASCAL VOC 2012数据集上对未见类别的单样本分割相比最佳基线方法实现了25%的相对meanIoU提升，并且至少快3倍。
引用
@article{arxiv.1709.03410,
title = {One-Shot Learning for Semantic Segmentation},
author = {Amirreza Shaban and Shray Bansal and Zhen Liu and Irfan Essa and Byron Boots},
journal= {arXiv preprint arXiv:1709.03410},
year = {2017}
}
备注
To appear in the proceedings of the British Machine Vision Conference (BMVC) 2017. The code is available at https://github.com/lzzcd001/OSLSM