本文介绍了一种综合任务——少样本分类与分割(FS-CS),该任务的目的是在给出目标类的情况下,对查询图像中的目标对象进行分类和分割。该任务结合了两个传统的少样本学习问题:少样本分类和分割。FS-CS将它们推广到具有任意图像对的更真实的事件中,其中每个目标类可能出现在查询中,也可能不出现。为了解决这一问题,我们提出了FS-CS的整合少样本学习(iFSL)框架,该框架训练学习者构建类方向的前景图,用于多标签分类和像素方向的分割。我们还开发了一种有效的iFSL模型——注意力挤压网络(ASNet),该模型利用深度语义相关性和全局自注意力来生成可靠的前景图。在实验中,该方法在FS-CS任务中表现出了良好的性能,并在标准的少样本分割基准上达到了目前的水平。

成为VIP会员查看完整内容
26

相关内容

【CVPR2022】带噪声标签的少样本学习
专知会员服务
38+阅读 · 2022年4月15日
【AAAI2022】领域自适应的主动学习:一种基于能量的方法
专知会员服务
41+阅读 · 2021年12月6日
专知会员服务
18+阅读 · 2021年9月13日
【CVPR2021】基于Transformer的视频分割领域
专知会员服务
35+阅读 · 2021年4月16日
【CVPR2021】自监督几何感知
专知会员服务
45+阅读 · 2021年3月6日
【CVPR2021】用Transformers无监督预训练进行目标检测
专知会员服务
55+阅读 · 2021年3月3日
【AAAI2021】基于内容迁移的无监督领域自适应语义分割
专知会员服务
17+阅读 · 2020年12月25日
【AAAI2021】利用先验知识对场景图进行分类
专知会员服务
59+阅读 · 2020年12月3日
专知会员服务
29+阅读 · 2020年9月18日
【CVPR2022】带噪声标签的少样本学习
专知
1+阅读 · 2022年4月15日
【CVPR2021】基于Transformer的视频分割领域
专知
2+阅读 · 2021年4月16日
【CVPR2021】细粒度多标签分类
专知
44+阅读 · 2021年3月8日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
12+阅读 · 2021年11月1日
On Feature Normalization and Data Augmentation
Arxiv
13+阅读 · 2020年2月25日
Arxiv
14+阅读 · 2019年11月26日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
VIP会员
相关VIP内容
【CVPR2022】带噪声标签的少样本学习
专知会员服务
38+阅读 · 2022年4月15日
【AAAI2022】领域自适应的主动学习:一种基于能量的方法
专知会员服务
41+阅读 · 2021年12月6日
专知会员服务
18+阅读 · 2021年9月13日
【CVPR2021】基于Transformer的视频分割领域
专知会员服务
35+阅读 · 2021年4月16日
【CVPR2021】自监督几何感知
专知会员服务
45+阅读 · 2021年3月6日
【CVPR2021】用Transformers无监督预训练进行目标检测
专知会员服务
55+阅读 · 2021年3月3日
【AAAI2021】基于内容迁移的无监督领域自适应语义分割
专知会员服务
17+阅读 · 2020年12月25日
【AAAI2021】利用先验知识对场景图进行分类
专知会员服务
59+阅读 · 2020年12月3日
专知会员服务
29+阅读 · 2020年9月18日
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员