论文阅读：Differentiable Meta-learning Model for Few-shot Semantic Segmentation AAAI2019

这是一篇AAAI2019的论文，关于少样本的语义分割。粗略读一读。

摘要

以前的方法都是针对1-way的语义分割设置，这在现实中不够，因此我们把语义分割任务，当作一个基于像素分类的任务，提出新颖的框架，metaSegNet。首先，提取合适的meta knowledge，使用全局和局部的特征。另外，我们还使用一个base learner来直接预测每个像素的标签。进一步，通过episode训练的方式。

Introduction

以前的方法，存在一些缺点：

1. 分布离散
2. 难以延伸
3. 难以训练。