内容纲要

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。
最后修改日期: 2020年10月17日

作者

留言

撰写回覆或留言

发布留言必须填写的电子邮件地址不会公开。