論文閱讀筆記：《CRNet: Cross-Reference Networks for Few-Shot Segmentation》

論文下載地址：https://arxiv.org/abs/2003.10658

轉載請註明：https://blog.csdn.net/weixin_42143615/article/details/109105516

一、論文簡介

提出了用於少樣本分割的交叉引用網路（CRNet）。與以前的只能預測查詢影象中遮罩的工作不同，我們提出的模型同時對支援影象和查詢影象進行預測。通過交叉引用機制，我們的網路可以更好地在兩個影象中找到併發物件，從而幫助進行少樣本分割任務。我們還開發了一個掩模優化模組，以遞迴地方式優化前景區域的預測。對於k-shot學習，我們建議微調網路的各個部分，以利用多個標記的支援影象。在PASCAL VOC 2012資料集上進行的實驗表明，我們的網路達到了最先進的效能。

（1）提出了一種新穎的交叉引用網路，該網路可以同時在少拍影象分割任務中對查詢集和支援集進行預測。

（2）開發了一個具有置信度快取的掩模優化模組。

（3）提出了一種用於k-shot學習的微調方案。