渐进式双先验引导的小样本语义分割
计算机视觉与模式识别
2022-11-29 v1
摘要
小样本语义分割任务旨在利用少量带标注的支持样本对查询图像进行分割。目前，小样本分割方法主要集中于利用前景信息，而未充分利用丰富的背景信息，这可能导致在支持-查询图像对无法适应剧烈场景变化时，类前景的背景区域被错误激活。同时，缺乏细节挖掘机制可能导致解析结果粗糙，丢失部分语义组件或边缘区域，因为原型在应对目标外观的巨大差异方面能力有限。为了解决这些问题，我们提出了一种渐进式双先验引导的小样本语义分割网络。具体而言，首先设计了双先验掩码生成（DPMG）模块，通过将背景作为辅助细化信息，以前景-背景对比的方式抑制错误激活。在双先验掩码细化前景区域位置的基础上，我们进一步提出了渐进式语义细节丰富（PSDE）模块，该模块通过迭代擦除高置信度前景区域并以分层结构激活其余区域中的细节，迫使解析模型捕捉隐藏的语义细节。DPMG 和 PSDE 的协作构建了一种新颖的、可以端到端方式学习的小样本分割网络。在 PASCAL-5i 和 MS COCO 上的综合实验有力地证明了我们提出的算法取得了优异的性能。
引用
@article{arxiv.2211.15467,
title = {Progressively Dual Prior Guided Few-shot Semantic Segmentation},
author = {Qinglong Cao and Yuntian Chen and Xiwen Yao and Junwei Han},
journal= {arXiv preprint arXiv:2211.15467},
year = {2022}
}