没有合适的资源?快使用搜索试试~ 我知道了~
小样本分割论文分享:Self-Support Few-Shot Semantic Segmentation
需积分: 30 2 下载量 18 浏览量
2022-09-23
17:22:06
上传
评论 1
收藏 4.91MB PPTX 举报
温馨提示
试读
44页
提出了一种新的自支持匹配策略来缓解这一问题,该策略使用查询原型来匹配查询特征,其中查询原型是从高置信度查询预测中收集的。该策略可以有效地捕获查询对象的一致底层特征,从而匹配查询特征。我们还提出了自适应自支持背景原型生成模块和自支持损失,以进一步促进自支持匹配过程。我们的自支持网络大大提高了原型质量,受益于更强的主干和更多支持,并在多个数据集上实现了SOTA。
资源推荐
资源详情
资源评论
2022年 09 月 14 日
ECCV 2022
Abstract
现有的一些小样本分割方法在支持-查询匹配框架的基础上取得了很大的进展。
存在的问题:support和query同类目标之间存在的外观差异。
动机:基于简单格式塔原理,即属于同一目标的像素比属于同一类的不同目标的像素更相似。
本文贡献:
• 提出了一种新的自支持匹配策略,该策略使用查询原型来匹配查询特征,其中查询原型是从高
置信度查询预测中收集的。该策略可以有效地捕获查询目标的一致基本特征,从而匹配查询特
征。
• 还提出了自适应自支持背景原型生成模块和自支持损失,以进一步促进自支持匹配过程。本文
自支持网络大大提高了原型质量,在多个数据集上实现了SOTA。
Introduction
语义分割在深度学习网络和大规模数据集方面取得了显著进展。但是当前高性能语义分割方法
严重依赖于费力的像素级标注,加速了小样本语义分割(FSS)的发展。
FSS的问题:固有的数据稀少性和数据多样性
• 数据稀少性是指支持图像很少,每个新类别只有不到10个样本。
• 数据多样性是指查询图像可能是海量和任意的。
支持图像中物体根本无法涵盖所有查询图像中同类别物体。
introduction
• 之前的方法:通过充分利用有限的支持来解决该问题,如提出更好的匹配机制或生成代表
性原型。因为只有很少的样本支持,只局限于用非常少的支持样本分割无穷的查询样本,
无法从根本上解决同类别目标外观差异问题
• 本文方法:新的自支持匹配策略来缩小匹配外观差异。该策略使用查询原型来匹配查询特
征,也就是使用查询特征信息自支持。因此,将查询原型称为自支持原型,因为它具有自
匹配特性。这一新想法的动机是经典格式塔定律,即属于同一目标的像素比不同目标的像
素更相似。
Introduction
通过直接匹配支持原型和查询特征来生成初始掩码预测。基于初始查询掩码,收集可靠
的查询特征以生成自支持原型,该原型用于执行与查询特征的匹配。
剩余43页未读,继续阅读
资源评论
栗子菜菜
- 粉丝: 38
- 资源: 21
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功