基于DB-PATNet的棉布瑕疵小样本语义分割

1

作者 杨正达 李波 +2 位作者 苏莲花 姚为 田淙文 《计算机工程与设计》 北大核心 2025年第6期1803-1809,共7页

针对棉布生产中棉布瑕疵的小样本特点,采用小样本学习的方法,在PATNet基础上提出一种双分支小样本语义分割网络DB-PATNet。基于瑕疵样本低对比度和尺度差异大的特点,提出双分支解码器结构和双向指导策略;引入结合自注意力的特征转换模块... 针对棉布生产中棉布瑕疵的小样本特点,采用小样本学习的方法,在PATNet基础上提出一种双分支小样本语义分割网络DB-PATNet。基于瑕疵样本低对比度和尺度差异大的特点,提出双分支解码器结构和双向指导策略;引入结合自注意力的特征转换模块,增强模型对新类样本和新域样本的泛化能力。实验结果表明,DB-PATNet网络的mIoU在5-shot设置中相较于PATNet网络提升了2.67%,相比RePRI网络提升了8.84%。在跨域实验中,mIoU在1-shot设置中达到了57.61%,在5-shot设置中达到了64.43%,接近常规语义分割网络的性能。 展开更多

关键词 棉布瑕疵 小样本学习 语义分割 双分支解码器结构 双向指导策略 自注意力 特征转换

在线阅读 下载PDF 职称材料

基于互引导条件耦合的小样本语义分割

2

作者 刘胜男 姜璐璐 +2 位作者 郑宛露 王少荣 汪国平 《计算机辅助设计与图形学学报》 北大核心 2025年第6期973-982,共10页

针对现有的小样本语义分割方法普遍采用简单的融合策略来实现跨分支信息传递,难以捕获复杂的特征交互信息的问题,提出一个实现支持-查询分支高效融合的互引导条件耦合网络.所提网络设计了一个耦合信息生成模块,该模块聚焦于支持特征中... 针对现有的小样本语义分割方法普遍采用简单的融合策略来实现跨分支信息传递,难以捕获复杂的特征交互信息的问题,提出一个实现支持-查询分支高效融合的互引导条件耦合网络.所提网络设计了一个耦合信息生成模块,该模块聚焦于支持特征中与查询特征高度相似的区域,以使查询特征中的每个像素能够自适应地融合支持特征的像素级信息.同时,为了减少查询图像背景对融合效果的负面影响,设计了一个条件耦合模块.在该模块中,生成的条件可用于抑制查询图像背景区域的信息吸收,从而有效地避免了背景信息对结果的干扰.在PASCAL-5i以及COCO-20i的实验结果表明,所提网络在多数任务上,其mIoU和FBIoU指标优于或接近相关方法的最佳性能. 展开更多

关键词 语义分割 小样本学习 小样本语义分割 特征融合

在线阅读 下载PDF 职称材料

基于语义-视觉一致性约束的零样本图像语义分割网络

3

作者 陈琼 冯媛 +1 位作者 李志群 杨咏 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第10期41-50,共10页

零样本图像语义分割是零样本学习在视觉领域的重要任务之一,旨在分割训练中未见的新类别。目前基于像素级视觉特征生成的方法合成的视觉特征分布和真实的视觉特征分布存在不一致性的问题,合成的视觉特征难以准确反映类语义信息,导致合... 零样本图像语义分割是零样本学习在视觉领域的重要任务之一,旨在分割训练中未见的新类别。目前基于像素级视觉特征生成的方法合成的视觉特征分布和真实的视觉特征分布存在不一致性的问题,合成的视觉特征难以准确反映类语义信息,导致合成的视觉特征缺乏鉴别性;现有的一些视觉特征生成方法为了得到语义特征所表达的区分性信息,需要消耗巨大的计算资源。为此,文中提出了一种基于语义-视觉一致性约束的零样本图像语义分割网络(SVCCNet)。该网络通过语义-视觉一致性约束模块对语义特征与视觉特征进行相互转换,以提高两者的关联度,减小真实视觉特征与合成视觉特征空间结构的差异性,从而缓解合成视觉特征与真实视觉特征分布不一致的问题。语义-视觉一致性约束模块通过两个相互约束的重建映射,实现了视觉特征与类别语义的对应关系,同时保持了较低的模型复杂度。在PASCAL-VOC及PASCAL-Context数据集上的实验结果表明,SVCCNet的像素准确率、平均准确率、平均交并比、调和交并比均优于比较的主流方法。 展开更多

关键词 语义分割 特征生成 零样本学习 计算机视觉 深度学习

在线阅读 下载PDF 职称材料

基于元学习的小样本语义分割算法

4

作者 王兰忠 牟昌善 《江苏大学学报（自然科学版）》 CAS 北大核心 2024年第5期574-580,620,共8页

针对现有的小样本语义分割模型对未知新类分割精度不高的问题,提出一种基于元学习的小样本语义分割算法.首先,利用深度可分离卷积改进传统主干网络,并在ImageNet数据集上进行了编码器的预训练.其次,利用预训练的主干网络将支持图片和查... 针对现有的小样本语义分割模型对未知新类分割精度不高的问题,提出一种基于元学习的小样本语义分割算法.首先,利用深度可分离卷积改进传统主干网络,并在ImageNet数据集上进行了编码器的预训练.其次,利用预训练的主干网络将支持图片和查询图片映射到深度特征空间.最后,利用支持图片的真实掩码将支持特征分离为目标前景和背景,并借助vision transformer构造了一种自适应的元学习分类器.在PASCAL-5^(i)数据集上进行了大量的试验.结果表明:所提出模型在VGG-16、ResNet-50和ResNet-101主干网络上分别实现了47.1%、58.3%和60.4%的mIoU(即平均交并比)(1 shot),同时在5 shot设定下实现了49.6%、60.2%和62.1%的mIoU;在COCO-20^(i)数据集上实现了23.6%、30.3%和30.7%的mIoU(1 shot),同时在5 shot设定下实现了30.1%、34.7%和35.2%的mIoU. 展开更多

关键词 小样本语义分割 特征分离 元学习 深度可分离卷积 vision transformer 目标前景 自适应

在线阅读 下载PDF 职称材料

基于元学习的带钢表面缺陷小样本语义分割 被引量：1

5

作者 冯虎 宋克臣 +1 位作者 崔文琦 颜云辉 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期354-360,共7页

由于缺少带钢表面缺陷样本,使得深度神经网络在带钢表面缺陷检测的应用受到了限制,为解决这一实际问题,提出了一种基于元学习思想的小样本语义分割深度学习方法.该方法引入了多尺度解码器和注意力机制.多尺度解码器能够聚合不同尺度的... 由于缺少带钢表面缺陷样本,使得深度神经网络在带钢表面缺陷检测的应用受到了限制,为解决这一实际问题,提出了一种基于元学习思想的小样本语义分割深度学习方法.该方法引入了多尺度解码器和注意力机制.多尺度解码器能够聚合不同尺度的缺陷特征信息,提高网络的分割精度.注意力机制能够有效增强缺陷信息表达,并且抑制背景信息的干扰.此外,构建了一个带钢表面缺陷语义分割数据集,该数据集包含9类带钢表面缺陷.在该数据集上进行了相关实验,结果表明本文方法在平均交并比和前景-背景交并比指标上优于PFENet,SCLNet和HSNet等方法. 展开更多

关键词 带钢表面缺陷检测 元学习 小样本语义分割 注意力机制 多尺度解码器

在线阅读 下载PDF 职称材料

MLDAC:多任务密集注意计算自监督小样本分割方法

6

作者 王炜航 张轶 《计算机工程与应用》 北大核心 2025年第4期211-221,共11页

针对现有小样本语义分割方法仍然需要大量的像素级注释来完成模型训练的问题,提出了一种多任务密集注意计算自监督小样本分割方法(multi-task dense attention computation self-supervised few-shot semantic seg-mentation method,MLD... 针对现有小样本语义分割方法仍然需要大量的像素级注释来完成模型训练的问题,提出了一种多任务密集注意计算自监督小样本分割方法(multi-task dense attention computation self-supervised few-shot semantic seg-mentation method,MLDAC)。该方法将数据集中单张图像的无监督显著性区域分割为两部分,一部分作为小样本分割的支持掩码,另一部分与整体区域分别和预测结果计算交叉熵损失作为多个任务完成多任务学习,提升了模型泛化能力;主干网络基于Swin Transformer来提取多尺度特征,并将其输入到多尺度密集注意力块,充分利用了多尺度的像素级相关性;经尺度间混合和跳过连接操作得到最终的预测结果。实验结果表明,基于自监督的MLDAC方法在PASCAL-5^(i)和COCO-20^(i)数据集上1-shot mIoU分别达到了55.1%和26.8%,相较于当前最优的自监督小样本语义分割方法分别提升了1.3和2.2个百分点;在FSS-1000数据集上1-shot mIoU达到了78.1%,证实了MLDAC方法的有效性。 展开更多

关键词 多任务学习 小样本语义分割 Swin Transformer 自监督学习

在线阅读 下载PDF 职称材料

高效跨域的Transformer小样本语义分割网络 被引量：3

7

作者 方红 李德生 蒋广杰 《计算机工程与应用》 CSCD 北大核心 2024年第4期142-152,共11页

小样本语义分割旨在仅使用数个标注样本学习目标类别特征并完成分割任务。主流研究存在的主要问题是:训练效率低下,训练和测试在同一数据域。为此构建了一种基于Transformer的高效、跨域的小样本语义分割网络SGFNet。在编码层,使用共享... 小样本语义分割旨在仅使用数个标注样本学习目标类别特征并完成分割任务。主流研究存在的主要问题是:训练效率低下,训练和测试在同一数据域。为此构建了一种基于Transformer的高效、跨域的小样本语义分割网络SGFNet。在编码层,使用共享权重的MixVisionTransformer构建孪生网络,用于提取支持集和查询集的图像特征;在关系计算层,通过计算支持集图像特征向量与其对应mask的哈达玛积,提取目标类别的高维特征,并与查询集图像特征进行关系计算;在解码层,改进基于MLP的解码器,提出了残差解码器,将不同层级的特征解码得到最终分割结果。实验表明,该模型只需要在FSS-1000数据集上使用单张3090 GPU训练1.5~4.0 h,即可在FSS-1000数据集上获得最优结果1-shot mIoU 87.0%,在PASCAL-5i和COCO-20i数据集进行跨域测试达到非跨域的效果,1-shot mIoU分别为60.4%和33.0%,证明了该模型高效且跨域。 展开更多

关键词 小样本语义分割(fss) 跨域 TRANSFORMER 小样本学习(FSL) 语义分割

在线阅读 下载PDF 职称材料

自我引导和特征引导增强的小样本分割网络

8

作者 吴杰 瞿绍军 《小型微型计算机系统》 北大核心 2025年第9期2183-2192,共10页

小样本分割的一个关键要素是有效利用支持集中的信息.以往的方法大都通过掩码平均池化获取全局特征向量,这种方式获取的特征向量比较粗糙.设计了一种基于高层特征的自我引导模块(HSGM)来增强特征向量的质量;为了充分利用支持图像中的信... 小样本分割的一个关键要素是有效利用支持集中的信息.以往的方法大都通过掩码平均池化获取全局特征向量,这种方式获取的特征向量比较粗糙.设计了一种基于高层特征的自我引导模块(HSGM)来增强特征向量的质量;为了充分利用支持图像中的信息以及查询特征和支持特征间的相关性,设计了一种特征引导增强模块(FGEM),利用高层特征来引导低层特征得到强化的查询特征.这两个模块能够有效地挖掘支持图像中的上下文信息以及支持特征与查询特征之间的潜在相关性.针对以往k-shot分割大都是对特征向量进行平均融合,设计一种类注意力机制的分割策略来融合不同样本的信息.提出的自我引导和特征引导增强的小样本分割网络在PASCAL-5 i和COCO-20 i两个公共数据集上与近年来部分优秀方法进行实验对比,均取得较为先进的效果.实验结果表明所提出方法对挖掘支持样本中的信息以及提高小样本分割性能有较大帮助. 展开更多

关键词 小样本学习 小样本语义分割 注意力机制 特征引导

在线阅读 下载PDF 职称材料

小样本语义分割研究现状与分析

9

作者 陈善娟 于云龙 李英明 《计算机学报》 EI CAS CSCD 北大核心 2024年第10期2417-2451,共35页

传统语义分割任务通常是数据驱动的,需要大规模密集标注样本训练,并且不能泛化到新类,因此在实际应用中受到很大限制.为了缓解传统语义分割中数据匮乏和泛化能力差的问题,人们提出小样本语义分割任务,在未见类别仅提供少量密集标注样本... 传统语义分割任务通常是数据驱动的,需要大规模密集标注样本训练,并且不能泛化到新类,因此在实际应用中受到很大限制.为了缓解传统语义分割中数据匮乏和泛化能力差的问题,人们提出小样本语义分割任务,在未见类别仅提供少量密集标注样本的情况下实现新类分割,在医疗图像分割、自动驾驶等应用领域扮演着重要的角色,已成为计算机视觉领域的重要研究方向之一.本文从基础知识、模型算法和拓展应用等方面对自然图像领域的小样本语义分割研究展开调查,具体包含以下内容:(1)介绍了小样本语义分割的背景知识,包括它的由来、核心思想、概念知识、存在挑战、数据集和性能评价指标;(2)详细分析和比较当前小样本语义分割算法,根据推理过程中是否存在梯度回传将其分为基于优化和基于度量学习的方法,并归纳了其发展现状和不同算法的优缺点;(3)介绍了小样本语义分割与其他技术融合的任务,包括小样本实例分割、广义小样本分割、增量小样本分割、弱监督小样本分割及跨域小样本分割;(4)讨论了小样本语义分割任务仍存在的问题和未来展望. 展开更多

关键词 小样本学习 图像语义分割 元学习 迁移学习 深度学习

在线阅读 下载PDF 职称材料

基于双交叉注意力Transformer网络的小样本图像语义分割 被引量：1

10

作者 刘玉 郭迎春 +1 位作者 朱叶 于明 《液晶与显示》 CAS CSCD 北大核心 2024年第11期1494-1505,共12页

小样本图像语义分割只用少量样本就能分割出新类别。针对现有方法中语义信息挖掘不充分的问题,本文提出一种基于双交叉注意力网络的小样本图像语义分割方法。该方法采用Transformer结构,利用双交叉注意力模块同时从通道和空间维度上学... 小样本图像语义分割只用少量样本就能分割出新类别。针对现有方法中语义信息挖掘不充分的问题,本文提出一种基于双交叉注意力网络的小样本图像语义分割方法。该方法采用Transformer结构,利用双交叉注意力模块同时从通道和空间维度上学习多尺度查询特征和支持特征的远程依赖性。首先,本文提出通道交叉注意力模块,并结合位置交叉注意力模块构成双交叉注意力模块。其中,通道交叉注意力模块用于学习查询和支持特征之间的通道语义相互关系,位置交叉注意力模块用来捕获查询和支持特征之间的远程上下文相关性。然后,通过多个双交叉注意力模块能够为查询图像提供包含丰富语义信息的多尺度交互特征。最后,本文引入辅助监督损失,并通过上采样和残差连接将多尺度交互特征连接至解码器以得到准确的新类分割结果。本文方法在数据集PASCAL-5i上的mIoU达到了69.9%(1-shot)和72.4%(5-shot),在数据集COCO-20i上的mIoU达到了48.9%(1-shot)和54.6%(5-shot)。与主流方法相比,本文方法的分割性能达到了最先进的水平。 展开更多

关键词 小样本图像语义分割 Transformer结构 通道交叉注意力 双交叉注意力 辅助损失

在线阅读 下载PDF 职称材料

基于双重聚合和自合并网络的小样本图像语义分割

11

作者 刘玉 于明 朱叶 《液晶与显示》 CAS CSCD 北大核心 2024年第10期1421-1430,共10页

小样本图像语义分割是一种非常具有挑战性的任务,它试图使用几个带标签的样本来分割新类对象。主流方法常会存在特征鉴别性不高和原型偏差等问题。为缓解这些问题,本文提出一种基于双重聚合和自合并网络的小样本图像语义分割方法,能够... 小样本图像语义分割是一种非常具有挑战性的任务,它试图使用几个带标签的样本来分割新类对象。主流方法常会存在特征鉴别性不高和原型偏差等问题。为缓解这些问题,本文提出一种基于双重聚合和自合并网络的小样本图像语义分割方法,能够充分挖掘特征相似性并减小原型偏差。首先,提出一个特征-掩码双重聚合模块,在支持特征和查询特征之间构建覆盖所有空间位置的密集相似关系,为特征聚合和掩码聚合提供全局语义信息。具体来说,通过对特征相似矩阵进行特征和掩码双重聚合,可以为查询图像获取具有引导信息的增强特征和初始掩码。然后,提出自合并解码器,通过合并基于初始掩码的自原型和已知的支持原型来减小原型偏差,并通过融合增强特征与合并原型向解码器传递丰富的类别语义信息。最后,利用基类预测信息进一步优化来自解码器的预测结果。本文方法在数据集PASCAL-5i上的mIoU在1-shot和5-shot情况下分别取得了68.3%和71.5%,在数据集COCO-20i上的mIoU在1-shot和5-shot情况下分别取得了46.5%和51.4%,优于主流方法的分割性能,能够更准确地分割出新类的目标区域。 展开更多

关键词 小样本图像语义分割 特征相似性 双重聚合 类内差异性 自合并

在线阅读 下载PDF 职称材料

基于改进U-net的少样本煤岩界面图像分割方法 被引量：4

12

作者 卢才武 宋义良 +3 位作者 江松 章赛 王懋 纪凡 《金属矿山》 CAS 北大核心 2024年第1期149-157,共9页

煤岩图像语义分割技术是煤岩界面识别的重要研究方向,现有的语义分割模型通常依赖于大样本数据集进行训练,然而目前已标注的煤岩图像数据样本难以获取,并且缺乏公开数据集。针对以上问题,提出了一种基于改进U-net模型的样本煤岩界面图... 煤岩图像语义分割技术是煤岩界面识别的重要研究方向,现有的语义分割模型通常依赖于大样本数据集进行训练,然而目前已标注的煤岩图像数据样本难以获取,并且缺乏公开数据集。针对以上问题,提出了一种基于改进U-net模型的样本煤岩界面图像分割模型。将裁剪后具有更强特征提取能力且结构上更为简单的VGG16替换U-net的原始骨干特征提取网络,提升对图像信息的特征提取能力并获得更快的训练速度,在U-net网络的跳跃连接和解码器上采样部分引入注意力机制模块,对提取的特征层进行处理,提升模型对煤岩界面图像关键特征的提取能力,提高分割精度。使用迁移学习方法对改进的模型进行预训练,提高模型泛化能力同时避免过拟合,使模型更适用于小样本数据集训练。通过使用自制的煤岩界面数据集对所改进的网络模型性能进行验证,并将该模型与经典Unet、DeepLabv3+、PspNet、HrNet网络模型进行了对比。试验结果表明:在同样使用由125幅煤岩界面图片构建的小样本数据集进行训练的情况下,所提改进模型相较于经典U-net模型在分割精确度和检测效率方面都有显著提升,模型精确度提高了1.84%,平均交并比提高了5.34%,类别平均像素准确率提高了0.48%,检测速度增幅为5.3%。同时,与其他网络模型相比,所提改进模型在小样本煤岩界面图像的语义分割中优势显著,表明所提改进思路的有效性。 展开更多

关键词 煤岩识别 语义分割 少样本学习 U-net 深度学习 机器视觉技术

在线阅读 下载PDF 职称材料

考虑样本均衡机制的大脑皮层点云语义分割方法

13

作者 胡海涛 桑颜婷 +2 位作者 许树颖 陈世伟 彭文 《计算机应用》 CSCD 北大核心 2022年第S02期47-52,共6页

已有的大脑皮层分割方法多是在磁共振成像(MRI)图像的大脑结构分割基础上,再提取皮层信息作为最终分割结果。针对现有方法存在的数据量大、分割效率低、准确率易受到大脑内部结构分割结果影响的问题,提出了一种考虑样本均衡机制的大脑... 已有的大脑皮层分割方法多是在磁共振成像(MRI)图像的大脑结构分割基础上,再提取皮层信息作为最终分割结果。针对现有方法存在的数据量大、分割效率低、准确率易受到大脑内部结构分割结果影响的问题,提出了一种考虑样本均衡机制的大脑皮层点云语义分割方法。首先在充分考虑大脑皮层点云集合数据特点的基础上,应用PointNet分割网络对大脑皮层进行语义分割;然后引入样本均衡机制改善分割模型的损失函数,以提升较小语义分区对分割结果的贡献度。不同数据集上的实验结果表明,与SLANT-27相比,使用PointNet大脑皮层点云语义分割方法能够有效提高分割准确率和分割效率,而融入样本均衡机制后的大脑皮层点云语义分割方法在小分区的分割准确率上提高了至少16个百分点。研究结果显示PointNet能够很好地解决大脑皮层分割问题,并且样本均衡机制能够明显提升语义分区的平均准确率。 展开更多

关键词 大脑皮层 语义分割 点云 PointNet 样本均衡

在线阅读 下载PDF 职称材料

基于原型自挖掘的遥感小样本精细化分类方法

14

作者 冯瑛超 毕涵博 +2 位作者 刁文辉 孙显 付琨 《指挥与控制学报》 北大核心 2025年第3期319-330,共12页

基于遥感图像的小样本分割,可实现在瞬息万变战场环境下对未知/改装等新目标、新任务的快速响应,为指挥员快速决策提供全面的战场信息。经典的小样本分割方法专注于挖掘支持图像的语义来指导分割,其难以应对具有极端类内差异的遥感场景... 基于遥感图像的小样本分割,可实现在瞬息万变战场环境下对未知/改装等新目标、新任务的快速响应,为指挥员快速决策提供全面的战场信息。经典的小样本分割方法专注于挖掘支持图像的语义来指导分割,其难以应对具有极端类内差异的遥感场景,导致实战应用条件下分类精度不理想。受对象内强像素相似性的启发,提出了一种基于原型自挖掘的遥感小样本精细化分类方法,通过构建自挖掘原型网络自适应地将查询图像的类别信息传递给自挖掘原型,实现挖掘查询图像自身以指导分割的效果,有效地跨越了支持-查询图像对之间的语义鸿沟。在两个流行遥感数据集iSAID和LoveDA上的实验表明该方法较国际同类方法具有更优的性能。 展开更多

关键词 遥感图像 语义分割 小样本分割 原型学习 自挖掘网络

在线阅读 下载PDF 职称材料

小样本困境下的图像语义分割综述 被引量：9

15

作者 韦婷 李馨蕾 刘慧 《计算机工程与应用》 CSCD 北大核心 2023年第2期1-11,共11页

近年来,由于大规模数据集的出现,图像语义分割技术得到快速发展。但在实际场景中,并不容易获取到大规模、高质量的图像,图像的标注也需要消耗大量的人力和时间成本。为了摆脱对样本数量的依赖,小样本语义分割技术逐渐成为研究热点。当... 近年来,由于大规模数据集的出现,图像语义分割技术得到快速发展。但在实际场景中,并不容易获取到大规模、高质量的图像,图像的标注也需要消耗大量的人力和时间成本。为了摆脱对样本数量的依赖,小样本语义分割技术逐渐成为研究热点。当前小样本语义分割的方法主要利用了元学习的思想,按照不同的模型结构可划分为基于孪生神经网络、基于原型网络和基于注意力机制三大类。基于近年来小样本语义分割的发展现状,介绍了小样本语义分割各类方法的发展及优缺点,以及小样本语义分割任务中常用的数据集及实验设计。在此基础上,总结了小样本语义分割技术的应用场景及未来的发展方向。 展开更多

关键词 语义分割 元学习 小样本学习

在线阅读 下载PDF 职称材料

遥感图像农田识别的跨类别小样本分割方法

16

作者 王星 倪欢 《测绘通报》 CSCD 北大核心 2024年第10期77-83,共7页

深度学习驱动的遥感图像语义分割方法依赖大量人工标记样本,且对未知任务泛化能力差,尤其是在类别体系不断更新的精细化语义分割任务中,未知类别(训练样本中不存在的类别)的识别精度亟待提升。基于此,本文面向多类农田类别,提出了一种... 深度学习驱动的遥感图像语义分割方法依赖大量人工标记样本,且对未知任务泛化能力差,尤其是在类别体系不断更新的精细化语义分割任务中,未知类别(训练样本中不存在的类别)的识别精度亟待提升。基于此,本文面向多类农田类别,提出了一种跨类别小样本分割方法。该方法设计了一种双分支结构,即支持分支与查询分支,其中支持分支用于分割先验的提取,查询分支用于完成分割先验的传播,获取查询图像的分割结果。此外,该方法应用查询特征生成自支持查询原型,显著提高了原型的表达能力;在支持集和查询集之间引入原型对齐正则化机制,充分利用来自支持集的知识,提升了分割器的判别能力。试验同时引入高空间分辨率和高光谱图像土地覆盖数据集,对本文方法性能进行了充分验证。试验结果表明,相较于现有小样本分割方法,本文方法在小样本条件下能够获得更为优异的跨类别农田识别结果。 展开更多

关键词 遥感图像 语义分割 小样本学习 原型学习

在线阅读 下载PDF 职称材料

金字塔原型对齐的轻量级小样本语义分割网络 被引量：3

17

作者 贾熹滨 李佳 《北京工业大学学报》 CAS CSCD 北大核心 2021年第5期455-462,519,共9页

小样本图像语义分割任务是计算机视觉领域一个有挑战性的问题,其目标是利用现有一张或几张带有密集分割注释的图片来预测未见类图像的分割掩码.针对该任务,提出了一个基于金字塔原型对齐的轻量级小样本图像语义分割网络.首先,该网络在Mo... 小样本图像语义分割任务是计算机视觉领域一个有挑战性的问题,其目标是利用现有一张或几张带有密集分割注释的图片来预测未见类图像的分割掩码.针对该任务,提出了一个基于金字塔原型对齐的轻量级小样本图像语义分割网络.首先,该网络在MobileNetV2网络的深度可分离卷积和逆残差结构基础上,通过金字塔池化模块进行提取特征,保持高维度和低维度的信息,获得不同尺度的特征.同时通过在支持集原型和查询集之间进行相互对齐,使得网络能够从支持集中学到更多的信息,充分利用支持集的信息进行反馈.基于PASCAL-5^(i)数据集的大量实验结果表明,提出的网络结构的均值在1-way 1-shot和1-way 5-shot上分别为49.5%和56.6%,与先进的主流小样本语义分割网络PANet相比分别对应提高了1.4%和0.9%,网络参数量为3.0 MB,相比PANet减小了11.7 MB,同时浮点计算量显著减少,证明了该网络在小样本图像语义分割中的有效性和高效性. 展开更多

关键词 小样本语义分割 卷积神经网络 多尺度 金字塔池化 原型对齐正则化 轻量级网络

在线阅读 下载PDF 职称材料

基于特征融合注意力的小样本语义分割算法

18

作者 李呓瑾 李少龙 +1 位作者 贺彦 刘炜 《广西科学》 CAS 北大核心 2023年第5期951-960,共10页

针对小样本语义分割任务中对查询图片的信息利用不充分的问题,提出一种基于特征融合注意力的小样本语义分割算法。首先,利用共享主干网络编码支持图片和查询图片,从而获取图片的深度特征;然后,利用注意力机制获取支持特征和查询特征的... 针对小样本语义分割任务中对查询图片的信息利用不充分的问题,提出一种基于特征融合注意力的小样本语义分割算法。首先,利用共享主干网络编码支持图片和查询图片,从而获取图片的深度特征;然后,利用注意力机制获取支持特征和查询特征的强关联语义信息,从而构造任务注意力特征图;最后,提出一种多特征注意力融合模块,它能够自适应融合多种特征的深层语义信息并进行特征解码,从而获取目标物体的分割掩码。在PASCAL-5 i和COCO-20 i公开数据集进行了实验,结果表明,所提出模型比当前主流的小样本语义分割模型在1-way 1-shot和1-way 5-shot任务中分割得更加精准,尤其是在更具有挑战性的COCO-20 i数据集上,所提出模型在1-shot的设定下达到了28.8%的mIoU和62.1%的FB-IoU,在5-shot设定下达到了36.9%的mIoU和64.8%的FB-IoU。 展开更多

关键词 小样本语义分割 多特征融合 注意力机制 深层语义信息 分割掩码

在线阅读 下载PDF 职称材料

基于多尺度原型分层匹配的小样本分割方法 被引量：1

19

作者 孙开伟 刘虎 +1 位作者 冉雪 郭豪 《计算机科学》 CSCD 北大核心 2023年第S01期197-203,共7页

传统语义分割任务通常需要大量带标注的数据来进行训练,并且难以泛化至新的类别。小样本分割,旨在使用少量带标注的支持图像从查询图像中分割新类别目标对象。由于支持图像数据较少,从有限的支持图像中提取具有代表性的指导信息是小样... 传统语义分割任务通常需要大量带标注的数据来进行训练,并且难以泛化至新的类别。小样本分割,旨在使用少量带标注的支持图像从查询图像中分割新类别目标对象。由于支持图像数据较少,从有限的支持图像中提取具有代表性的指导信息是小样本分割任务的重要挑战。为了解决这个问题,提出一种基于多尺度原型分层匹配的小样本分割方法。首先通过残差网络ResNet得到查询图像和支持图像的中层特征和高层特征;为进一步提取目标对象丰富的上下文特征信息,将提取的中层特征输入金字塔池化模块进行多尺度特征提取;最后基于原型学习的思想,对中层特征和高层特征分层生成原型并匹配修正,得到最终预测分割掩码。在PASCAL-5 i数据集上进行实验研究,实验结果表明,在1-way 5-shot的设定下,提出的方法在mIoU指标上达到了66.7%,比当前主流模型PANet和PFENet分别提高了11.0%和4.8%,表明了该方法的有效性和先进性。 展开更多

关键词 小样本分割 多尺度 语义分割 原型学习 残差网络

在线阅读 下载PDF 职称材料

基于图匹配网络的小样本违禁物品分割算法 被引量：4

20

作者 朱祯悦 吕淑静 吕岳 《红外与激光工程》 EI CSCD 北大核心 2021年第11期418-426,共9页

自动化安检技术是维护公共安全、提升安检效率的一项有效措施。在实际场景中很难获得充足的违禁品标注样本用于神经网络的训练,并且在不同场景和安全级别下违禁品的类别也有所不同。为解决基于神经网络的违禁品检测方法所面临的样本不... 自动化安检技术是维护公共安全、提升安检效率的一项有效措施。在实际场景中很难获得充足的违禁品标注样本用于神经网络的训练,并且在不同场景和安全级别下违禁品的类别也有所不同。为解决基于神经网络的违禁品检测方法所面临的样本不均衡问题,以及避免模型在分割新的违禁品类别时需重新训练的现象,文中提出一种基于图匹配网络的小样本违禁物品分割算法。文中模型将测试图像与参考图像并行输入到图匹配网络中,并根据匹配结果从测试图像中分割出违禁品。所设计的图匹配模块不仅从图间节点的相似性考虑匹配问题,并利用DeepEMD算法建立全局概念,进一步提高测试图和参考图的匹配结果。在SIXray数据集和Xray-PI数据集上的实验表明:本模型在单样本分割任务中得到36.4%和51.2%的类平均交并比,分别比目前先进的单样本分割方法提高2.5%和2.3%。由此表明所设计的算法能有效提升小样本X光图像分割算法的精确度。 展开更多

关键词 语义分割 小样本学习 图匹配网络 X光图像 违禁品检测

在线阅读 下载PDF 职称材料