深度学习few shot模型创新点总结

1、ASGNet（CVPR21）

使用聚类和分配的思想，Cluster模块将support prototypes聚合成一个质心，再通过Allocate模块将质心分散，与query prototypes进行原型对比，从而得到分割结果。

2、DCP（IJCAI22）

divide and conquer的思想（分而治之），通过backbone前三层，加一个seg模块得到support image的预测掩码，预测掩码与真实掩码进行运算，得到四个区域，alpha，beta，delta，gamma，将这四个区域信息与query features计算余弦相似度。得到一通道的alpha，beta，delta，gamma。同时也通过MAP得到fg原型和bg原型，再与query features计算余弦相似度，得到一通道的fg和bg。query-features，support-features、corr-query，alpha、beta、fg（2c+4通道）拼接，query-features、support-feature-bin，alpha、beta、fg（2c+3通道）拼接，再分别送进ASPP-decoder，最后拼接得到最终输出。

3、NTRENet（CVPR22）

消除背景和干扰物的思想，初始化全零的背景原型，并扩充成相应的shape的P-bg，对query-features和P-bg拼接后进行分割背景。对query-features和P-bg拼接后进行背景消除，再与support-prototype融合得到前景特征，进行初始分割得到Y_ini,由1-Y_bg-Y_ini得到Y_DO,再与query-features进行MAP操作得到P_DO,expand后再与前景特征融合分割，得到最终的输出。

4、BAM（CVPR22）

5、DCAMA（ECCV22）

6、MSANet（arxiv22，投稿CVPR22）

BAM和MSANet对比

详细MSANet图

7、IPMT（NeurlPS22）

8、RPNet（ICCV21）