循环关联原型网络

少样本精准分割

通过循环一致原型与尺度感知先验掩码，捕捉查询与支持图像的像素级关系，提升少样本分割精度。

Zhuangzhuang, Hao · Ji, Shao · Bo, Gong · Jingwen, Yang · Jing, Ling · 陈英义

Engineering Applications of Artificial Intelligence 2024

技术优势

不会忽视像素关系

通过计算支持与查询图像特征的像素级相似度生成先验掩码，为不同大小和形状的目标提供丰富引导，克服物体变化。

不会选错支持特征

利用循环一致原型模块筛选可靠的支持特征来生成原型，避免不可靠特征的干扰。

分割精度够高

在PASCAL-5i和COCO-20i两个数据集上均取得领先性能。

应用场景

• 增强现实：在AR场景中对新出现物体快速建立分割掩码，无需大量标注。
• 医学图像分割：仅需少量标注样本即可分割新类别医学图像，降低标注成本。
• 无人机视觉：帮助无人机识别训练中未见过的物体类别，适应航拍视角变化。
• 机器人感知：让机器人通过少量示例学会分割新物体，提升新环境适应能力。