针对少量样本的语义分割任务，采用目标无关的通用属性学习方法

《Pattern Recognition》：Target-agnostic common attributes learning for few-shot semantic segmentation

　　

陈亚当|张宇杰|郑玉辉|杨志新|吴恩华

• •
  目标不可知的标记能够捕捉到不同类别之间的共有属性。
• •
  通用的先验知识能够指导前景和背景的分割。
• •
  该方法减少了小样本语义分割中的分布偏差。
• •
  在PASCAL-5i和COCO-20i上的综合评估显示了更高的准确率。
• •
  该方法在性能上优于最先进的分割模型。