BriefGPT - AI 论文速递
·
不仅仅是从他人学习，而是依靠自己：对遥感中少样本分割的新视角
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该文介绍了一种自相关和交叉相关学习网络，用于少样本远程感知图像语义分割。该模型通过考虑支持图像和查询图像之间的自相关和交叉相关来增强泛化性能。
🎯
关键要点
- 远程感知图像的语义分割是重要问题，现有方法依赖大量训练数据。
- 少样本远程感知语义分割旨在用少量标注图像学习分割目标。
- 现有少样本学习方法未能有效解决地理对象外观和尺度差异。
- 提出了一种自相关和交叉相关学习网络以增强泛化性能。
- 模型考虑支持图像和查询图像之间的自相关和交叉相关。
- 采用经典频谱方法生成类别无关的分割掩模以探索自相关性。
- 在两个远程感知图像数据集上进行了实验，证明模型有效性和优越性。
- 代码和模型可在指定URL中访问。
➡️
