论文阅读笔记：《CRNet: Cross-Reference Networks for Few-Shot Segmentation》

论文阅读笔记：《CRNet: Cross-Reference Networks for Few-Shot Segmentation》

论文下载地址：https://arxiv.org/abs/2003.10658

转载请注明：https://blog.csdn.net/weixin_42143615/article/details/109105516

一、论文简介

提出了用于少样本分割的交叉引用网络（CRNet）。与以前的只能预测查询图像中遮罩的工作不同，我们提出的模型同时对支持图像和查询图像进行预测。通过交叉引用机制，我们的网络可以更好地在两个图像中找到并发对象，从而帮助进行少样本分割任务。我们还开发了一个掩模优化模块，以递归地方式优化前景区域的预测。对于k-shot学习，我们建议微调网络的各个部分，以利用多个标记的支持图像。在PASCAL VOC 2012数据集上进行的实验表明，我们的网络达到了最先进的性能。

（1）提出了一种新颖的交叉引用网络，该网络可以同时在少拍图像分割任务中对查询集和支持集进行预测。

（2）开发了一个具有置信度缓存的掩模优化模块。

（3）提出了一种用于k-shot学习的微调方案。