基于双重相似度孪生网络的小样本实例分割

摘要：

针对孪生网络在小样本数据集上的应用和优化问题,提出一种基于双重相似度计算和孪生网络的小样本实例分割模型.首先对传统孪生网络进行改进,将孪生网络与残差网络相结合,构建作为本模型骨干网络的孪生残差网络;然后在相似度计算阶段构建了具有两个子网络的双重相似度计算网络,分别用于计算场景图像与参考图像的空域相似度和频域相似度,并进行相似度特征融合;最后通过实例分割网络获得分割结果.此外,还引入Focal Loss损失函数来解决模型训练过程中正、负样本以及难、易样本的不均衡问题.在COCO数据集上的实验结果表明,本文方法的小样本实例分割性能要优于对比算法.

关键词：小样本学习、实例分割、孪生网络、残差网络、空域相似度、频域相似度

所属期刊栏目：43

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61773297

在线出版日期：2020-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：59-66