1 前言

之前已經(jīng)有過關(guān)于小樣本語義分割的論文解讀，關(guān)于如何用 Transformer 思想的分類器進行小樣本分割。本篇是發(fā)表在 CVPR 2022 上的 Generalized Few-shot Semantic Segmentation（后文簡稱 GFS-Seg），既一種泛化的小樣本語義分割模型。在看論文的具體內(nèi)容之前，我們先了解一些前置知識。

深度學(xué)習(xí)是 Data hunger 的方法， 需要大量的數(shù)據(jù)，標(biāo)注或者未標(biāo)注。少樣本學(xué)習(xí)研究就是如何從少量樣本中去學(xué)習(xí)。拿分類問題來說，每個類只有一張或者幾張樣本。少樣本學(xué)習(xí)可以分為 Zero-shot Learning（即要識別訓(xùn)練集中沒有出現(xiàn)過的類別樣本）和 One-Shot Learning/Few shot Learning（即在訓(xùn)練集中，每一類都有一張或者幾張樣本）。以 Zero-shot Learning 來說，比如有一個中文 “放棄”，要你從 I, your、 she、them 和 abnegation 五個單詞中選擇出來對應(yīng)的英文單詞，盡管你不知道“放棄”的英文是什么，但是你會將“放棄”跟每個單詞對比，而且在你之前的學(xué)習(xí)中，你已經(jīng)知道了 I、 your、she 和 them 的中文意思，都不是“放棄”，所以你會選擇 abnegation。還需要明確幾個概念：

Support set：支撐集，每次訓(xùn)練的樣本集合。

Query set：查詢集，用于與訓(xùn)練樣本比對的樣本，一般來說 Query set 就是一個樣本。

在 Support set 中，如果有 n 個種類，每個種類有 k 個樣本，那么這個訓(xùn)練過程叫 n-way k-shot。如每個類別是有 5 個 examples 可供訓(xùn)練，因為訓(xùn)練中還要分 Support set 和 Query set，5-shots 場景至少需要 5+1 個樣例，至少一個 Query example 去和 Support set 的樣例做距離（分類）判斷。

2 概述

訓(xùn)練語義分割模型需要大量精細(xì)注釋的數(shù)據(jù)，這使得它很難快速適應(yīng)不滿足這一條件的新類，F(xiàn)S-Seg 在處理這個問題時有很多限制條件。在這篇文章中引入了一個新的方法，稱為 GFS-Seg，能同時分割具有極少樣本的新類別和具有足夠樣本的基礎(chǔ)類別的能力。建立了一個 GFS-Seg baseline，在不對原模型進行結(jié)構(gòu)性改變的情況下能取得不錯的性能。此外，由于上下文信息對語義分割至關(guān)重要，文中提出了上下文感知原型學(xué)習(xí)架構(gòu)（CAPL），利用 Support Set 樣本共同的先驗知識，根據(jù)每個 Query Set 圖像的內(nèi)容動態(tài)地豐富分類器的上下文信息，顯著提高性能。

3 GFS-Seg 和 FS-Seg 的 Pipeline 區(qū)別

如下圖所示，GFS-Seg 有三個階段。分別是：基類的學(xué)習(xí)階段；新類的注冊階段，其中包含新類的少數(shù) Support set 樣本；對基類和新類的評估階段。也就是說，GFS-Seg 與 FS-Seg 的區(qū)別在于，在評估階段，GFS-Seg 不需要轉(zhuǎn)發(fā)測試（Query set）樣本中包含相同目標(biāo)類的 Support set 樣本來進行預(yù)測，因為 GFS-Seg 在基類學(xué)習(xí)階段和新類注冊階段應(yīng)該已經(jīng)分別獲得了基類和新類的信息。GFS-Seg 在事先不知道查詢圖像中包含哪些類別的情況下，同時對新類進行預(yù)測時，可以在不犧牲基類準(zhǔn)確性的情況下仍表現(xiàn)良好。

4 Towards GFS-Seg

在經(jīng)典的 Few-Shot Segmentation 任務(wù)中，有兩個關(guān)鍵標(biāo)準(zhǔn)：(1) 模型在訓(xùn)練期間沒有看到測試類的樣本。(2) 模型要求其 Support set 樣本包含 Query set 中存在的目標(biāo)類，以做出相應(yīng)的預(yù)測。

通過下圖，我們來看下 GFS-Seg 與經(jīng)典人物有哪些不同。下圖中用相同的 Query 圖像說明了 FS-Seg 和 GFS-Seg 的一個 2-way K-shot 任務(wù)，其中牛和摩托車是新的類，人和車是基類。先來看下 (a)，Prototype Network 通過 Embedding Generation 函數(shù)，將牛和摩托車的少量訓(xùn)練樣本映射為 2 個向量，在檢測分類時候，將待分割圖像的特征也通過 Embedding Generation 映射為向量，最后計算待檢測向量與 2 個向量的特征差異（假設(shè)是距離），認(rèn)定距離最小的為預(yù)測類別。(a) 只限于預(yù)測 Support set 中包含的類的二進制分割掩碼。右邊的人和上面的車在預(yù)測中缺失，因為支持集沒有提供這些類的信息，即使模型已經(jīng)在這些基類上訓(xùn)練了足夠的 epoch。此外，如果 (a) 的支持集提供了查詢圖像中沒有的多余的新類（如飛機），這些類別可能會影響模型性能，因為 FS-Seg 有一個前提條件，即 Query 圖像必須是 Support set 樣本提供的類。

FS-Seg 模型只學(xué)習(xí)并預(yù)測給定的新類的前景掩碼，所以在我們提出的 GFS-Seg 的通用化設(shè)置中，性能會大大降低，因為所有可能的基類和新類都需要預(yù)測。不同的是，(b) 也就是 GFS-Seg，在沒有 Query 圖像中包含的類的先驗知識的情況下，同時識別基類和新類，額外的 Support set（如 (b) 左上角的飛機）應(yīng)該不會對模型產(chǎn)生很大影響。在評估過程中，GFS-Seg 不需要事先了解 Query 圖像中存在哪些目標(biāo)類別，而是通過注冊新的類別，對所有測試圖像一次性形成一個新的分類器（(b) 中的藍色區(qū)域代表新的類別注冊階段）。

此外，還有更多關(guān)于 GFS-Seg 的 baseline 細(xì)節(jié)，這里就不詳細(xì)展開了，讀者們可以一遍看代碼一邊看論文中的解釋，不難理解。

5 上下文感知原型學(xué)習(xí)（CAPL）

原型學(xué)習(xí)（PL）適用于小樣本分類和 FS-Seg，但它對 GFS-Seg 的效果較差。在 FS-Seg 的設(shè)置中，查詢樣本的標(biāo)簽只來自于新的類別。因此，新類和基類之間沒有必要的聯(lián)系，可以利用它來進一步改進。然而，在 GFS-Seg 中，對每個測試圖像中包含的類別沒有這樣的限制，需要對所有可能的基類和新穎類進行預(yù)測。

如上圖所示，我們不關(guān)注 SCE 和 DQCE 的計算過程。SCE 只發(fā)生在新的類注冊階段，它利用支持 Support set 樣本來提供先驗知識。然而，在評估階段，新分類器由所有 Query 圖像共享，因此引入的先驗可能會偏向于有限的 Support set 樣本的內(nèi)容，導(dǎo)致對不同 Query 圖像的泛化能力較差。為了緩解這個問題，進一步提出了動態(tài)查詢上下文豐富計算（DQCE），它通過動態(tài)合并從單個查詢樣本中挖掘的基本語義信息，使新分類器適應(yīng)不同的上下文。繼續(xù)看上圖，N‘n 個新類別（例如摩托車和奶牛）的權(quán)重直接由特征平均得出。此外，Support set 中出現(xiàn)的 N’b 個基類（例如人、汽車、羊和公共汽車）的權(quán)重由 SCE 用原始權(quán)重計算得出。此外，DQCE 通過從 Query set 樣本中提取的臨時上下文特征，動態(tài)豐富了分類器中 N'b 個基類的權(quán)重。綜上，新的分類器結(jié)合了 SCE 和 DQCE 的優(yōu)點。

GFS-Seg 使用 CAPL 的方式完成訓(xùn)練，具體性能表現(xiàn)在下面的實驗部分列出。

6 實驗

如下表所示，CANet、SCL、PFENet 和 PANet 與用 CAPL 實現(xiàn)的模型相比表現(xiàn)不佳。值得注意的是，下表中的 mIoU 的結(jié)果是在 GFS-Seg 配置下的，因此它們低于這些 FS-Seg 模型的論文中給出的結(jié)果，這種差異是由不同的全局設(shè)置造成的。在 GFS-Seg 中，模型需要在給定的測試圖像中識別所有的類，包括基類和新類，而在 FS-Seg 中，模型只需要找到屬于一個特殊的新類的像素，不會去分割基類，Support set 的樣本提供了目標(biāo)類是什么的先驗知識。因此，在 GFS-Seg 中，存在基類干擾的情況下，識別新類要難得多，所以數(shù)值很低。

FS-Seg 是 GFS-Seg 的一個極端情況。所以為了在 FS-Seg 的中驗證提出的 CAPL，在下表中，我們將 CAPL 合并到 PANet 和 PFENet。可以看出， CAPL 對 baseline 實現(xiàn)了顯著的改進。數(shù)據(jù)集是 Pascal-5i 和 COCO-20i ，只需要識別新類。

下圖對分割結(jié)果進行了可視化，其中 SCE 和 DQCE 的組合進一步完善了 baseline 的預(yù)測，還有一些消融實驗的效果這里不一一列出了。

7 結(jié)論

這篇閱讀筆記僅為個人理解，文章提出了一個具有泛化性的小樣本語義分割（GFS-Seg），并提出了一個新的解決方案：上下文感知原型學(xué)習(xí)（CAPL）。與經(jīng)典的 FS-Seg 不同，GFS-Seg 旨在識別 FS-Seg 模型所不能識別的基礎(chǔ)類和新類。提出的 CAPL 通過動態(tài)地豐富上下文信息的適應(yīng)性特征，實現(xiàn)了性能的顯著提高。CAPL 對基礎(chǔ)模型沒有結(jié)構(gòu)上的限制，因此它可以很容易地應(yīng)用于普通的語義分離框架，并且它可以很好地推廣到 FS-Seg。

審核編輯：劉清