利用深度图像表征生成超像素
计算机视觉与模式识别
2019-03-13 v1
摘要
超像素算法是分割、目标跟踪与定位等计算机视觉算法的常见预处理步骤。许多超像素方法仅依赖颜色特征进行分割，这限制了其在低对比度区域中的性能，也限制了其在红外或医学图像中的适用性，因为这类图像中目标边界具有很大的外观变异性。我们研究了在SLIC超像素算法中引入深度图像特征，以利用更高层次的图像表征。此外，我们设计了一种可训练的超像素算法，产生可用于不同任务的中间特定域图像表征。我们将一种基于聚类的超像素算法转化为逐像素分类任务，并从语义分割数据集中导出超像素训练数据。我们的结果表明，该方法能够一致地改善超像素质量。
引用
@article{arxiv.1903.04586,
title = {Generating superpixels using deep image representations},
author = {Thomas Verelst and Matthew Blaschko and Maxim Berman},
journal= {arXiv preprint arXiv:1903.04586},
year = {2019}
}