CVPR 2022丨学习用于小样本语义分割的非目标知识

由于全卷积网络（Fully Convolutional Network, FCN）架构的快速发展，深度学习在语义分割方面取得了里程碑式的进展。大多数方法采用全监督学习方案，需要大量带注释的数据进行训练。尽管它们可以实现良好的性能，但它们数据饥渴的性质需要大量的像素级图像标注。

为了缓解这一问题，特斯联首席科学家邵岭博士及团队，提出了一个用于小样本语义分割的框架，在给定少量像素级标注的支持集（Support）图像的情况下，分割查询集（Query）图像中的目标物体。相关研究成果已于2022年CVPR发表，题为《学习用于小样本语义分割的非目标知识》（Learning Non-target Knowledge for Few-shot Semantic Segmentation）。

论文链接：https://arxiv.org/pdf/2205.04903.pdf