| 极市线上分享  第103期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过100位技术大咖嘉宾，并完成了102期极市线上直播分享。往期分享请前往bbs.cvmart.net/topics/149或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

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。”

01 直播信息

时间

2022年9月28日（周三）：20:00-21:00

主题

SSP: 自支持匹配的小样本任务新思想

02 嘉宾介绍

范琦

香港科技大学博士生，指导老师为Professor Chi-Keung TANG和 Professor Yu-Wing Tai。研究方向为计算机视觉，包括小样本学习和域泛化等。

03 关于分享

➤分享大纲

1.小样本分割任务介绍

2.小样本分割任务的难点

3.解决小样本分割难点的动机

4.自支持匹配的小样本分割方法

➤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