SG-One：用于单次语义分割的相似性引导网络
计算机视觉与模式识别
2020-05-13 v4
摘要
单次图像语义分割是一项具有挑战性的任务，即以仅一个标注样本作为监督来识别未见类别的目标区域。本文中，我们提出一种简单而有效的相似性引导网络来处理单次（SG-One）分割问题。我们的目标是借助同一类别的一张密集标注支持图像作为参考，预测查询图像的分割掩码。为获得支持图像的鲁棒代表性特征，我们首先采用掩码平均池化策略，仅考虑属于支持图像的像素来生成引导特征。随后我们利用余弦相似性建立引导特征与查询图像像素特征之间的关系。如此，所生成相似性图中蕴含的可能性可被用来引导目标分割过程。此外，我们的SG-One是一个统一框架，可在单一网络内高效处理支持与查询图像，并以端到端方式学习。我们在Pascal VOC 2012上进行了大量实验。特别地，我们的SG-One取得了46.3%的mIoU分数，超越了基线方法。
引用
@article{arxiv.1810.09091,
title = {SG-One: Similarity Guidance Network for One-Shot Semantic Segmentation},
author = {Xiaolin Zhang and Yunchao Wei and Yi Yang and Thomas Huang},
journal= {arXiv preprint arXiv:1810.09091},
year = {2020}
}