FECANet: تعزيز التجزئة الدلالية القائمة على عدد قليل من الأمثلة من خلال شبكة محسّنة للسياق والمعطيات

التحليل الدلالي بقليل من الأمثلة هو المهمة التي تتمثل في تعلّم تحديد موقع كل بكسل من الفئة الجديدة في صورة الاستفسار باستخدام عدد قليل من الصور الداعمة المُعلّمة. تبني الطرق القائمة على الارتباط حاليًا بناء ترابطات ميزات زوجية لتأسيس تطابق متعدد إلى متعدد، وذلك لأن النماذج التقليدية القائمة على البروتوتيبات لا تستطيع تعلّم علاقات التطابق الدقيقة. ومع ذلك، لا تزال الطرق الحالية تعاني من الضوضاء المحتوية في الترابطات البسيطة، ونقص المعلومات الدلالية السياقية في هذه الترابطات. لتفادي المشكلات المذكورة أعلاه، نقترح شبكة مُحسّنة للسياق تعتمد على الميزات (FECANet). بشكل خاص، نُقدّم وحدة تحسين الميزات لقمع الضوضاء الناتجة عن التشابه المحلي بين الفئات، وتعزيز الترابط الداخلي داخل الفئة في الترابطات البسيطة. بالإضافة إلى ذلك، نُقدّم وحدة جديدة لإعادة بناء الترابطات، والتي تُشفّر علاقات تطابق إضافية بين الكائنات الأمامية والخلفية، بالإضافة إلى ميزات دلالية سياقية متعددة المقاييس، مما يعزز بشكل كبير قدرة المشفر على اكتشاف أن 패턴 موثوق للتطابق. أظهرت التجارب على مجموعتي بيانات PASCAL-$5^i$ وCOCO-$20^i$ أن FECANet المقترح يحقق تحسينًا ملحوظًا مقارنة بالأساليب الحالية المتطورة، مما يثبت فعاليته.