MeanShift++：极速模态寻找及其在分割与目标跟踪中的应用
计算机视觉与模式识别
2021-04-02 v1 机器学习
摘要
MeanShift 是一种流行的模态寻找聚类算法，广泛应用于机器学习的诸多领域。然而，众所周知其速度极慢，每次迭代具有二次时间复杂度。我们提出 MeanShift++，一种基于 MeanShift 的极速模态寻找算法，其采用基于网格的方法加速均值漂移步骤，以相邻网格单元的密度加权均值取代计算代价高昂的邻域搜索。此外，我们证明这种基于网格的密度估计技术具有理论保证。其时间复杂度关于点数为线性、关于维度为指数，这使得 MeanShift++ 在图像分割和目标跟踪等低维应用中极为理想。我们提供了广泛的实验分析，表明在基准数据集上 MeanShift++ 可比 MeanShift 快逾 10000 倍，且聚类结果具有竞争力，图像分割结果与 MeanShift 几乎一致。最后，我们展示了在目标跟踪方面的 promising 结果。
引用
@article{arxiv.2104.00303,
title = {MeanShift++: Extremely Fast Mode-Seeking With Applications to Segmentation and Object Tracking},
author = {Jennifer Jang and Heinrich Jiang},
journal= {arXiv preprint arXiv:2104.00303},
year = {2021}
}