小样本语义分割—CANet: Class-Agnostic Segmentation Networks with Iterative Refinement andAttentive Few-Shot

一，Dense Comparison Module（DCM密集比较模块）

该模块由两个子模块组成：①特征提取器②特征密集比较模块

1.特征提取器

       使用在Imagenet上进行了预训练的ResNet-50作为特征提取器的主干。因为较低层中的特征通常与低级线索（例如，边缘和颜色）相关，而较高层中的特性与对象级别概念（例如，对象类别）相关。ResNet中的层基于空间分辨率分为4个Block，自然对应于4个不同的表示级别。我们选择Block2和Block3生成的特征进行特征比较，并放弃Block3之后的层。我们在Block2之后的层中使用膨胀卷积来保持特征图的空间分辨率。Block2之后的所有特征图的固定大小为输入图像的1/8。Block2和Block3之后的特征通过3×3卷积连接并编码为256维。我们在5.1.3节中研究了用于比较的特征的选择。支持分支和查询分支都使用相同的特征提取器。我们在训练期间保持ResNet中的权重不变。

2.特征密集比较模块