跨域少样本图像语义分割方法综述

唐程华, 易见兵, 吴欣, 熊文武, 王敬永

广西师范大学学报(自然科学版) ›› 2026, Vol. 44 ›› Issue (4) : 1 -27.

广西师范大学学报(自然科学版) ›› 2026, Vol. 44 ›› Issue (4) : 1 -27. DOI: 10.16088/j.issn.1001-6600.2025081302

跨域少样本图像语义分割方法综述

    唐程华, 易见兵, 吴欣, 熊文武, 王敬永
作者信息 +

Author information +
文章历史 +

摘要

跨域少样本图像语义分割在医学影像分析、遥感图像处理等领域应用广泛。本文聚焦跨域少样本图像语义分割领域,此前未见该方向的系统性综述。本文首先梳理图像语义分割、少样本图像语义分割到跨域少样本图像语义分割的发展历程,明确跨域少样本图像语义分割的核心挑战为域偏移、标注数据稀缺及模型泛化能力不足;接着,整理9类常用数据集及5项核心评价指标;然后,从特征对齐策略、模型架构设计、数据利用方式3个维度,将现有跨域少样本图像语义分割方法划分为10个子类并剖析其关键策略;最后,对现有方法的局限性和未来的发展趋势进行探讨,旨在为广大研究者提供相关领域的前沿动态和研究现状分析,并为未来研究提供参考。

关键词

深度学习 / 图像语义分割 / 跨域 / 少样本 / 特征对齐

Key words

引用本文

引用格式 ▾
唐程华, 易见兵, 吴欣, 熊文武, 王敬永. 跨域少样本图像语义分割方法综述[J]. 广西师范大学学报(自然科学版), 2026, 44(4): 1-27 DOI:10.16088/j.issn.1001-6600.2025081302

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

基金资助

国家自然科学基金(62366017); 江西省自然科学基金(20181BAB202004); 江西省研究生创新专项资金(YC2024-S570,YC2024-S572); 赣州市重点研发计划(GZ2024YLJ273)

AI Summary AI Mindmap

1

访问

0

被引

详细

导航
相关文章

AI思维导图

/