- 博客(3)
- 收藏
- 关注
原创 MIANet:Aggregating Unbiased Instance and General Information for Few-ShotSemantic Segmentation 论文笔记
现有的小样本分割方法是基于元学习策略,从支持集中提取实例知识,然后应用到查询集中的目标对象分割中。然而,由于知识是从支持集中的少数样本中获得的,因此提取的知识不足以处理可变的类内差异。为了解决这个问题,我们提出了一个多信息聚合网络(MIANet),它有效地利用了一般知识,即语义词嵌入和支持信息来进行准确的分割。具体来说,在MIANet中,提出了一个通用信息模块(general information module, GIM),用于从词嵌入中提取通用类原型,作为实例信息的补充。
2024-01-03 20:25:50 1119
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人