【优博风采】北京工业大学优秀博士学位论文获得者：王文健
【编者按】
为进一步培养我校研究生创新能力，提高研究生综合素质，促进学校研究生教育内涵发展，特推出“优博风采”专栏，邀请校级及以上优秀博士学位论文获得者分享科研历程与学术体会、展示创新成果与学位论文等，旨在激励我校研究生秉持“不息为体，日新为道”校训精神，潜心研究、锐意创新。
本期专访人物：计算机科学与技术学科博士研究生 王文健
所获奖励名称：2024年北京工业大学优秀博士学位论文
【念念不忘必有回响】
（1）心态很重要，节奏要稳，不能太心急也不能太放纵。（2）专注。专心做一件事，提出疑问，解决疑问。（3）多总结。总结是对知识的梳理与归纳，很重要。（4）虚心请教，博采众长。
【博士论文介绍】
论文中文题目：小样本语义分割关键技术研究
论文英文题目：RESEARCH OF ON KEY TECHNOLOGIES FOR FEW-SHOT SEMANTIC SEGMENTATION
作 者：王文健
指导教师：段立娟 教授
培养单位：计算机学院
学 科：计算机科学与技术
论文主要贡献及创新点
本研究从域内特征对齐和域间特征迁移两个方面对小样本语义分割开展研究，提出的多原型匹配模型以及掩膜-类别解耦模型能有效地解决了标准小样本语义分割中测试样本存在的遮挡和类内偏差问题，而且创新地使用记忆机制将小样本语义分割扩展到更具实际意义的跨域场景。此外，针对更为复杂的零样本语义分割提出了元生成网络，对后续标注样本稀少的语义分割研究具有一定的理论意义和参考价值。
图 1模型分割效果
图 2模型分割效果
【博士期间代表性科研成果】
作者攻 博期间取得与博士学位论文密切相关的代表性成果（不超过5项） |
序号 |
成果名称 |
成果来源 |
获得时间 |
1 |
Context-sensitive zero-shot semantic segmentation model based on meta-learning |
Neurocomputing |
2021 |
2 |
TPSN: transformer-based multi-prototype search network for few-shot semantic segmentation |
Computing & Electrical Engineering |
2022 |
3 |
Remember the difference: cross-domain few-shot semantic segmentation via meta-memory transfer |
IEEE/CVF Conference on Computer Vision and Pattern Recognition |
2022 |
4 |
MMT: cross domain few-shot learning via meta-memory transfer |
IEEE Transactions on Pattern Analysis and Machine Intelligence |
2023 |
5 |
Context-sensitive zero-shot semantic segmentation model based on meta-learning |
Neurocomputing |
2021 |
【与导师合影】
图文：王文健
编辑：胡春瀛
审核：高春娣、杨震
