BAM少样本分割模型

抗硬样本误分割

通过基础分支显式识别并剔除基类区域,与元分支自适应融合,解决查询图像中含已知类别物体时的误分割问题。

郎春博 · 程塨 · Binfei, Tu · Chao, Li · 韩军伟

IEEE Transactions on Pattern Analysis and Machine Intelligence 2023

技术优势

自适应融合分支输出

两个分支的粗略结果经过自适应加权融合,得到精确预测,优于简单集成。

估计场景差异

引入调整因子从风格和外观角度估计支持与查询图像差异,提升元学习器敏感性。

简单结构达最优

即使使用两个普通学习器,该方案也能在多个基准上创造新的最优结果。

应用场景