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。

http://cea.ceaj.org/CN/10.3778/j.issn.1002-8331.2205-0496