PeHNet: Closed-loop prototype enhancement for weakly supervised few-shot segmentation

doi:10.1016/j.knosys.2026.116394

PeHNet: Closed-loop prototype enhancement for weakly supervised few-shot segmentation

2026-06-01

0

PRE

AI

A

Ajmal, Muhammad Shahroz

DOI：10.1016/j.knosys.2026.116394

原文链接

原文求助

摘要

En 中文

弱监督少样本分割（WS-FSS）旨在仅使用图像级标签和少量支持图像对新型物体类别进行分割，为数据匮乏场景提供了实用解决方案。然而，现有WS-FSS方法通常采用开环流程，将初始化、特征增强和掩码精炼视为独立阶段，导致误差累积和有限的修正能力。本文将WS-FSS重新表述为闭环学习问题，并提出PeHNet框架，能够实现支持表示与查询预测之间的迭代双向交互。PeHNet首先利用预训练视觉语言模型的语义先验生成类别感知伪掩码，然后通过原型自适应模块（PAM）和迭代掩码精炼模块（IMR）逐步优化支持分支和查询分支，使精炼后的查询预测能够反馈并增强支持特征。在PASCAL-5i和COCO-20i上的实验表明，PeHNet持续优于现有WS-FSS方法，证明了在弱监督和有限监督下闭环学习的有效性。源代码可访问https://github.com/PeHNet。

Keyword:

Few shot segmentation

Prototype adaption

Image segmentation

Weakly supervised few shot segmentation

Iterative refinement

PeHNet: Closed-loop prototype enhancement for weakly supervised few-shot segmentation

摘要

期刊

机构

引用论文