面向小样本语义分割的部件感知原型网络
计算机视觉与模式识别
2022-12-05 v3
摘要
小样本语义分割旨在仅借助少量标注样本学习分割新的对象类别，具有广泛的现实应用。现有方法大多要么聚焦于单类小样本分割这一受限设定，要么受限于对象区域覆盖不完整。本文提出一种基于原型表示的新型小样本语义分割框架。我们的核心思想是将整体类别表示分解为一组部件感知原型，以捕捉多样且细粒度的对象特征。此外，我们提出利用无标注数据来丰富部件感知原型，从而更好地建模语义对象类内差异。我们开发了一种新型图神经网络模型，基于有标注与无标注图像生成并增强所提出的部件感知原型。在两个基准上的大量实验评估表明，我们的方法以可观的差距优于先前最优方法。
引用
@article{arxiv.2007.06309,
title = {Part-aware Prototype Network for Few-shot Semantic Segmentation},
author = {Yongfei Liu and Xiangyi Zhang and Songyang Zhang and Xuming He},
journal= {arXiv preprint arXiv:2007.06309},
year = {2022}
}
备注
ECCV-2020