基于超像素的高阶条件随机场用于语义图像分割的多层方法
计算机视觉与模式识别
2018-04-09 v1
摘要
基于超像素的高阶条件随机场（SP-HO-CRFs）以其在计算机视觉中强制像素级标注的短程和长程空间连续性方面的有效性而闻名。然而，它们的势函数通常过于复杂而难以学习，并且在执行推断时常常带来高计算成本。我们提出了一种解决这些问题的SP-HO-CRFs新近似方法。我们的方法是一个多层CRF框架，通过在第一层中将高阶和成对线索公式化为相同的成对势，从而继承成对CRF的简洁性。本质上，该方法在成对CRF的基础上通过重用其预训练参数和/或权重而无需训练来提升精度。所提出的多层方法在描绘“树木”和“灌木”等对象类别的边界细节（边缘）方面表现尤为出色。在MSRC-21和PASCAL VOC 2012数据集上进行的多组实验验证了所提方法的有效性和高效性。
引用
@article{arxiv.1804.02032,
title = {A Multi-Layer Approach to Superpixel-based Higher-order Conditional Random Field for Semantic Image Segmentation},
author = {Li Sulimowicz and Ishfaq Ahmad and Alexander Aved},
journal= {arXiv preprint arXiv:1804.02032},
year = {2018}
}
备注
7pages, 6 figures, 3 tables, an updated version from original submission to ICME2018