少样本CNN分割中的纹理偏差

尽管最初认为卷积神经网络（Convolutional Neural Networks, CNNs）是通过形状特征来执行视觉识别任务的，但近期研究表明，在大规模带标签训练数据集上训练时，CNNs 中存在的纹理偏好（texture bias）反而能够带来性能更优的模型。这一现象与人类视觉皮层中的感知偏好形成鲜明对比——人类视觉系统对形状成分具有更强的敏感性。这种感知差异可能解释了为何当拥有大规模标注数据时，CNNs 能够达到人类水平的性能，但在标注数据稀缺的场景下（如少样本语义分割），其性能会显著下降。为在少样本学习（few-shot learning）背景下消除 CNNs 中的纹理偏差，本文提出一种新型网络架构，该架构引入一组高斯差分（Difference of Gaussians, DoG）操作，用于抑制特征空间中的高频局部成分。该方法通过在空间域中采用不同标准差（standard deviation）的高斯分布对特征图进行平滑处理，生成一组经修改的特征图，其高频分量被不同程度地削弱。由于单张图像会产生多个尺度空间下的特征表示，我们进一步采用双向卷积长短期记忆网络（bi-directional convolutional long-short-term memory, Bi-ConvLSTM）高效融合这些多尺度特征表示。我们在三个广泛使用的少样本分割基准数据集上进行了大量实验：Pascal-5i、COCO-20i 和 FSS-1000。实验结果表明，在相同实验条件下，所提方法在其中两个数据集上均优于现有最先进（state-of-the-art）的方法。代码已开源，地址为：https://github.com/rezazad68/fewshot-segmentation。