|?極市線上分享??第103期 |

一直以來，為讓大家更好地了解學(xué)界業(yè)界優(yōu)秀的論文和工作，極市已邀請了超過100位技術(shù)大咖嘉賓，并完成了102期極市線上直播分享。往期分享請前往bbs.cvmart.net/topics/149或直接閱讀原文，也歡迎各位小伙伴自薦或推薦更多優(yōu)秀的技術(shù)嘉賓到極市進(jìn)行技術(shù)分享，與大家一起交流學(xué)習(xí)~~

小樣本分割是一個極具挑戰(zhàn)性的任務(wù)，它要求模型能夠根據(jù)給定新類別的支持圖片對查詢圖片中的新類別目標(biāo)物體進(jìn)行分割。但是這些新類別的支持圖片數(shù)量很少，而查詢圖片是多樣且數(shù)量龐大的。少量的支持圖片和大量的查詢圖片之間存在著巨大的差異性，因此以往的小樣本分割方法往往無法準(zhǔn)確分割新類別。

在這次分享中，我們邀請到了香港科技大學(xué)博士范琦，為我們介紹他中稿ECCV2022的工作：

Self-Support Few-Shot Semantic Segmentation

“在本次分享中，我將主要介紹我們的自支持匹配新思想是如何解決小樣本任務(wù)中支持圖片和查詢圖片之間的差異性。我們的自匹配方法在小樣本分割任務(wù)中，在不引入額外參數(shù)的情況下，能夠?qū)崿F(xiàn)性能的大幅提升?！?/p>

01?直播信息

時間

2022年9月28日（周三）：20:00-21:00

主題

SSP: 自支持匹配的小樣本任務(wù)新思想

02?嘉賓介紹

范琦

香港科技大學(xué)博士生，指導(dǎo)老師為Professor Chi-Keung TANG和 Professor Yu-Wing Tai。研究方向?yàn)橛?jì)算機(jī)視覺，包括小樣本學(xué)習(xí)和域泛化等。

03?關(guān)于分享

?分享大綱

1.小樣本分割任務(wù)介紹

2.小樣本分割任務(wù)的難點(diǎn)

3.解決小樣本分割難點(diǎn)的動機(jī)

4.自支持匹配的小樣本分割方法

?論文

Self-Support Few-Shot Semantic Segmentation

論文地址：https://arxiv.org/abs/2207.11549

代碼地址：https://github.com/fanq15/ssp

中文解讀：https://zhuanlan.zhihu.com/p/545789592