Knowledge Commons of Institute of Automation,CAS
Learning from the Target: Dual Prototype Network for Few Shot Semantic Segmentation | |
Mao BJ(毛彬杰)1,2; Zhang XB(张新邦)1,2; Wang LF(汪凌峰)1,2; Zhang Q(张骞)3; Xiang SM(向世明)1,2; Pan CH(潘春洪)1 | |
2022-04 | |
会议名称 | Conference on Artificial Intelligence(AAAI) |
会议日期 | 2022-4 |
会议地点 | 蒙特利尔 |
出版者 | IEEE |
摘要 | 由于标注样本的稀缺性,支持集和查询集之间的样本差异性成为小样本分割任务的主要障碍。大多数现有的基于原型的方法只利用支持特性中的原型信息,而忽略了查询样本中的信息,因此未能消除这一障碍。本文从一个新的角度来处理小样本语义分割问题,并提出了双原型网络。该模型不仅利用从支持集中提取的原型,也利用从查询图像的前景特征中构建的伪原型。为了实现这一目标,本文引入了循环比较模块,通过选择出置信度的前景特征来生成可靠的伪原型。然后,根据原型与伪原型的底层关联关系,原型交互模块将原型与伪原型的信息进行整合。最后,模型又引入多尺度融合模块,在原型(伪原型)与查询特征密集比较过程中捕获上下文信息。在两个基准数据集上进行的大量实验表明,该方法的性能以较大的幅度超过了以前的方法,验证了所提出方法的有效性。 |
七大方向——子方向分类 | 图像视频处理与分析 |
国重实验室规划方向分类 | 小样本高噪声数据学习 |
是否有论文关联数据集需要存交 | 否 |
文献类型 | 会议论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/51718 |
专题 | 多模态人工智能系统全国重点实验室_先进时空数据分析与学习 |
作者单位 | 1.1.Chinese Acad Sci, Inst Automat, Dept Natl Lab Pattern Recognit, Beijing 100190, Peoples R China 2.Univ Chinese Acad Sci, Sch Artificial Intelligence, Beijing 100049, Peoples R China 3.Horizon Robotics |
第一作者单位 | 模式识别国家重点实验室 |
推荐引用方式 GB/T 7714 | Mao BJ,Zhang XB,Wang LF,et al. Learning from the Target: Dual Prototype Network for Few Shot Semantic Segmentation[C]:IEEE,2022. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
2412BinjieM.pdf(1353KB) | 会议论文 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论