使用结构化森林进行快速边缘检测
计算机视觉与模式识别
2014-11-26 v2
摘要
边缘检测是许多视觉系统（包括目标检测器和图像分割算法）的关键组成部分。边缘块表现出众所周知的局部结构形式，如直线或 T 型 junction。在本文中，我们利用局部图像块中存在的结构，学习了一种既准确又计算高效的边缘检测器。我们将预测局部边缘掩码的问题表述为应用于随机决策森林的结构化学习框架。我们学习决策树的新颖方法稳健地将结构化标签映射到离散空间，在该空间上可以评估标准信息增益度量。结果是一种方法，其实时性能比许多竞争的 state-of-the-art 方法快几个数量级，同时在 BSDS500 分割数据集和 NYU Depth 数据集上也实现了 state-of-the-art 的边缘检测结果。最后，通过展示我们学习到的边缘模型在数据集间具有良好的泛化能力，我们展示了该方法作为通用边缘检测器的潜力。
引用
@article{arxiv.1406.5549,
title = {Fast Edge Detection Using Structured Forests},
author = {Piotr Dollár and C. Lawrence Zitnick},
journal= {arXiv preprint arXiv:1406.5549},
year = {2014}
}
备注
update corresponding to acceptance to PAMI