信赖域与水平集方法的实验比较
计算机视觉与模式识别
2013-11-12 v1
摘要
高阶（非线性）泛函已在分割、立体视觉和其他计算机视觉问题中变得非常流行。水平集是一个成熟的一般梯度下降框架，可直接应用于此类泛函的优化并在实践中广泛使用。最近，另一种基于信赖域方法的一般优化方法被提出用于区域非线性泛函。我们的目标是对这两种框架在实际效率、参数鲁棒性和最优性方面进行全面的实验比较。我们在具有关于分割体积、外观和形状的非线性约束的广泛问题上进行了实验。
引用
@article{arxiv.1311.2102,
title = {An Experimental Comparison of Trust Region and Level Sets},
author = {Lena Gorelick and Ismail BenAyed and Frank R. Schmidt and Yuri Boykov},
journal= {arXiv preprint arXiv:1311.2102},
year = {2013}
}
备注
8 pages, 6 figures