用于真实世界数据场景解析的非参数空间约束局部先验
计算机视觉与模式识别
2020-06-24 v1 机器学习
图像与视频处理
摘要
场景解析旨在识别场景图像中每个像素的 object 类别，并在图像内容理解与计算机视觉应用中扮演核心角色。然而，从不受约束的真实世界数据中进行准确的场景解析仍是一项具有挑战性的任务。本文中，我们提出用于真实数据场景解析的非参数空间约束局部先验（SCLP）。对于给定查询图像，非参数 SCLP 的学习首先检索与查询图像最相似的一组训练图像，然后从检索子集中收集关于空间图像块之间及相邻超像素之间 object 共现统计的先验信息。SCLP 善于捕获查询图像中 object 间相关性的长程与短程上下文，并可与传统视觉特征有效结合以精炼分类结果。我们在 SIFT Flow 与 PASCAL-Context 基准数据集上的实验表明，结合超像素级视觉特征使用的非参数 SCLP 相较于最先进方法取得了顶尖性能之一。
引用
@article{arxiv.2006.12874,
title = {Non-parametric spatially constrained local prior for scene parsing on real-world data},
author = {Ligang Zhang},
journal= {arXiv preprint arXiv:2006.12874},
year = {2020}
}
备注
10 pages, journal