基于元学习的小样本语义分割算法OA北大核心CSTPCD
针对现有的小样本语义分割模型对未知新类分割精度不高的问题,提出一种基于元学习的小样本语义分割算法.首先,利用深度可分离卷积改进传统主干网络,并在ImageNet数据集上进行了编码器的预训练.其次,利用预训练的主干网络将支持图片和查询图片映射到深度特征空间.最后,利用支持图片的真实掩码将支持特征分离为目标前景和背景,并借助vision transformer构造了一种自适应的元学习分类器.在PASCAL-5^(i)数据集上进行了大量的试验.结果表明…查看全部>>
王兰忠;牟昌善
山东大学外国语学院,山东济南250100国家税务总局山东省税务局信息中心,山东济南250002
计算机与自动化
小样本语义分割特征分离元学习深度可分离卷积vision transformer目标前景自适应
《江苏大学学报（自然科学版）》 2024 (5)
P.574-580,620,8
山东省重点研发计划项目(2021RKL02001)。
评论