- 博客(3)
- 收藏
- 关注
RSS订阅
9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