小样本困境下的图像语义分割综述

摘要：

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.

关键词：语义分割、元学习、小样本学习

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：上海市科技创新行动计划;上海对外经贸大学统计与信息学院研究生科研创新培育项目

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1-11