Learning from the Target: Dual Prototype Network for Few Shot Semantic Segmentation

CASIA OpenIR > 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

	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