LTAF-NET: LEARNING TASK-AWARE ADAPTIVE FEATURES AND REFINING MASK FOR FEW-SHOT SEMANTIC SEGMENTATION
文献类型：会议论文
| 作者 | Mao BJ(毛彬杰)1,2 ; Wang LF(汪凌峰)1,2; Xiang SM(向世明)1,2; Pan CH(潘春洪)1
|
| 出版日期 | 2021-06 |
| 会议日期 | 2021-6 |
| 会议地点 | 多伦多 |
| 英文摘要 | 近年来语义分割已经取得了很大的突破。然而，这些分割方法需要大量的带注释数据。这些数据既昂贵又难以获得。此外，经过训练得到的模型只能分割预先定义的类别，而不能对新的类别进行分割。为了解决这些问题，研究者们提出了少镜头语义分割任务。针对此任务，本文提出了一种新的LTAF-Net模型。该模型旨在自适应地重新校准支持特征和查询特征，以提高密集比较过程的准确性。此外，本文还设计了预测细化模块对初始掩码进行细化。同时，该方法也适用于k-shot设置下的小样本分割任务，并实现具有竞争力的性能。在PASCAL-5i和FSS-1000数据集上的实验有力地证明了所提出模型的有效性。在PASCAL-5i数据集下，此模型在1-shot设置下优于第二好的方法1.4%，在5-shot设置下则优于以往的方法0.76%。 |
| 会议录出版者 | IEEE |
| 源URL | [http://ir.ia.ac.cn/handle/173211/51715]  |
| 专题 | 自动化研究所_模式识别国家重点实验室_遥感图像处理团队 |
| 作者单位 | 1.1.Chinese Acad Sci, Inst Automat, Dept Natl Lab Pattern Recognit, Beijing 100190, Peoples R China 2.2.Univ Chinese Acad Sci, Sch Artificial Intelligence, Beijing 100049, Peoples R China |
| 推荐引用方式 GB/T 7714 | Mao BJ,Wang LF,Xiang SM,et al. LTAF-NET: LEARNING TASK-AWARE ADAPTIVE FEATURES AND REFINING MASK FOR FEW-SHOT SEMANTIC SEGMENTATION[C]. 见:. 多伦多. 2021-6. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
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。