ICCV 2021 Oral | 南大&腾讯提出基于挖掘潜在类别的小样本分割

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达论文: https://arxiv.org/abs/2103.15402代码: https://github.com/LiheYoung/MiningFSS1 Introduction小样本分割（Few-shot Segmentation, FSS）的目的是在只给定少量标注样本的情况下分割新类别（novel class）。为了能够在新类别上实现较好的泛化性能，模型会先在众多已有标记的基础类别（base class）上进行训练，训练完成后，大多数方法不需要微调即可直接用于分割仅有少量标注的新类别。通用的小样本分割的框架如图1所示。首先利用共享的特征提取器从训练样本（support image/mask）中获得所有待分割类别的原型（support prototype），获得原型的具体方式是根据分割标注在特征图的对应区域进行平均池化从而得到全局向量；之后，将测试样 ………………………………