图像分割的极大极小亲和力学习
计算机视觉与模式识别
2009-12-01 v1 人工智能
机器学习
神经与进化计算
摘要
图像分割可以首先使用分类器预测一个反映图像像素必须分组程度的亲和力图，然后对该图进行划分以产生分割结果。机器学习已被应用于亲和力分类器，以产生在最小化边误分类率意义上良好的亲和力图。然而，这种误差度量仅与最终划分亲和力图所产生的分割质量间接相关。我们提出了首个用于训练分类器以产生亲和力图的机器学习算法，其优良性体现在产生的分割能够直接最小化 Rand 指数这一众所周知的分割性能度量。Rand 指数通过量化分割后图像像素对连通性的分类来衡量分割性能。通过使用寻找阈值化亲和力图连通分量的简单图划分算法，我们能够训练亲和力分类器以直接最小化由图划分产生的分割的 Rand 指数。我们的学习算法对应于图像像素对之间极大极小亲和力的学习，该亲和力可预测像素对的连通性。
引用
@article{arxiv.0911.5372,
title = {Maximin affinity learning of image segmentation},
author = {Srinivas C. Turaga and Kevin L. Briggman and Moritz Helmstaedter and Winfried Denk and H. Sebastian Seung},
journal= {arXiv preprint arXiv:0911.5372},
year = {2009}
}