返回
Multi-scale prototype convolutional network for few-shot semantic segmentation
DOI:10.1371/journal.pone.0319905.png)
摘要
En 中文
少样本语义分割旨在从有限的标注数据中精确分割对象,该任务因类内变化和原型表示挑战而复杂化。为解决这些问题,我们提出了多尺度原型卷积网络(MPCN)。我们的方法引入了先验掩码生成(PMG)模块,该模块采用不同尺寸的动态核以捕获多尺度对象特征。这增强了支撑集与查询集特征之间的交互,从而提高分割精度。此外,我们提出了多尺度原型提取(MPE)模块,以克服MAP(平均平均精度)的局限性。通过增强支撑集特征、评估空间重要性以及利用多尺度下采样,我们获得了更精确的原型集合。在PASCAL-5i和COCO-20i数据集上进行的广泛实验表明,我们的方法在1-shot和5-shot设置下均取得了更优的性能。
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
暂无机构信息

