近日,，我校理學院,、數(shù)學科學研究中心羅曉柳博士以第一作者在人工智能領域頂級期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（TPAMI）（IF：23.6）上發(fā)表了題為 “PFENet++: Boosting Few-Shot Semantic Segmentation With the Noise-Filtered Context-Aware Prior Mask” 的研究成果,。

TPAMI是公認的人工智能,、模式識別、圖像處理和計算機視覺領域頂級國際期刊,，該期刊影響因子（Impact Factor）和谷歌指數(shù)（H-Index）在計算機科學和工程技術兩個大類學科里均列首位,。同時，該期刊影響因子和谷歌指數(shù)列所有計算機學會推薦A類（CCF A類）期刊首位,，是人工智能領域最具有權威影響力的期刊,，也是目前信息領域中影響最大,、水平最高的期刊。

該論文提出了基于去噪的上下文感知的先驗掩碼網(wǎng)絡（PFENet++）來解決小樣本圖像分割問題,。針對現(xiàn)有先驗掩碼框架存在的不足,，PFENet++首先通過區(qū)域匹配的方式生成了多尺度的上下文感知的先驗掩碼，從而更加充分地利用廣泛的上下文信息來定位查詢圖像中的目標區(qū)域,；接著,，為了產(chǎn)生高質(zhì)量的先驗掩碼來提供先驗知識，PFENet++進一步引入了輕量級的噪聲抑制模塊來篩除不必要的響應,。PFENet++在三個具有挑戰(zhàn)性的基準數(shù)據(jù)集PASCAL-5i,、COCO-20i和FSS-1000上顯著優(yōu)于基線PFENet以及其他方法，并且其性能在不降低效率的情況下達到了SOTA,。

該研究工作得到了我校數(shù)學科學研究中心交叉數(shù)學研究室,、理學院時空大數(shù)據(jù)研究中心、科學技術研究院等單位的資助和支持,。

論文鏈接：https://ieeexplore.ieee.org/document/10305430

論文代碼：https://github.com/luoxiaoliu/PFENet2Plus