सेमांटिक सेग्मेंटेशन के लिए वन-शॉट लर्निंग

कम-शॉट लर्निंग विधियाँ चित्र वर्गीकरण के लिएSparse data से सीखने का समर्थन करती हैं। हम इन तकनीकों का विस्तार करते हैं ताकि घनी सेमांटिक चित्र सेग्मेंटेशन का समर्थन किया जा सके। विशेष रूप से, हम एक नेटवर्क को प्रशिक्षित करते हैं जो, एक छोटे से एनोटेटेड चित्रों के सेट को देखते हुए, एक पूरी तरह से अव्यवस्थित नेटवर्क (FCN) के लिए पैरामीटर उत्पन्न करता है। हम इस FCN का उपयोग एक परीक्षण चित्र पर नए सेमांटिक वर्ग के लिए घनी पिक्सेल-स्तरीय भविष्यवाणी करने के लिए करते हैं। हमारी आर्किटेक्चर PASCAL VOC 2012 डेटासेट में अप्रयुक्त वर्गों पर एक-शॉट सेग्मेंटेशन के लिए सर्वोत्तम बेंचमार्क विधियों की तुलना में 25% सापेक्ष meanIoU सुधार दिखाती है और कम से कम 3 गुना तेज है।