基于多尺度四维特征融合的小样本语义分割OA
Few-shot semantic segmentation based on multiscale 4D feature fusion
现有的语义分割方法依赖充足的像素级图像标签,而分割模型需要在新类样本条件下进行训练时,带来人工标注图像的问题;因此,提出了小样本语义分割方法来解决此类问题.当前小样本分割方法主要采用原型学习方法,而原型学习的方法缺乏像素级支持特征来指导查询图像分割,导致分割精度不高的问题.基于此,设计了一种四维特征融合与注意力增强的小样本分割网络.为了获取到像素级支持特征对查询图像的表征信息,在特征金字塔结构中使用四维卷积,将高级语义特征和中级语义特征逐步压缩成…查看全部>>
Abatract The existing semantic segmentation method relies on sufficient pixel-level image labeling,while the segmentation model needs to be trained under the new sample conditions,which brings the problem of manually labeling images.Therefore,few-shot semantic segmentation method is proposed to solve such problems.The current few-shot segmentation method mainly adopts the prototype learning method,while the prototype learning method lacks pixel-level support…查看全部>>
丁月;陈少波;尹作轩
中南民族大学 电子信息工程学院,武汉 430074中南民族大学 电子信息工程学院,武汉 430074中南民族大学 电子信息工程学院,武汉 430074
计算机与自动化
小样本语义分割多尺度特征超相关特征交叉注意力
few-shot semantic segmentationmulti-scale featureshypercorrelation featurescross-attention
《中南民族大学学报（自然科学版）》 2024 (6)
772-780,9
中央高校基本科研业务费专项资金资助项目(CZY22012)
评论