小样本分割是一个极具挑战性的任务，它要求模型能够根据给定新类别的支持图片对查询图片中的新类别目标物体进行分割。但是这些新类别的支持图片数量很少，而查询图片是多样且数量庞大的。少量的支持图片和大量的查询图片之间存在着巨大的差异性，因此以往的小样本分割方法往往无法准确分割新类别。
在这次分享中，我们邀请到了香港科技大学博士范琦，为我们介绍他中稿ECCV2022的工作：
Self-Support Few-Shot Semantic Segmentation
“在本次分享中，我将主要介绍我们的自支持匹配新思想是如何解决小样本任务中支持图片和查询图片之间的差异性。我们的自匹配方法在小样本分割任务中，在不引入额外参数的情况下，能够实现性能的大幅提升。”
范琦-SSP: 自支持匹配的小样本分割任务新思想（ECCV2022）
➤论文
Self-Support Few-Shot Semantic Segmentation
论文地址：https://arxiv.org/abs/2207.11549
代码地址：https://github.com/fanq15/ssp
中文解读：https://zhuanlan.zhihu.com/p/545789592
➤回放视频在这里☟
往期线上分享集锦：http://m6z.cn/6qIJzE（或直接阅读原文）
如果觉得有用，就请分享到朋友圈吧！
推荐阅读
# CV技术社群邀请函 #
备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）
即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群
每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~
