用于边界检测的有向边森林
计算机视觉与模式识别
2015-06-30 v2
摘要
我们提出了一种基于随机森林分类器学习边界检测的简单高效模型。我们的方法结合了 (1) 基于局部边方向空间简单划分的训练样本高效聚类，以及 (2) 多尺度组合前单个树输出概率的尺度依赖校准。所得模型在具有挑战性的 BSDS500 边界检测基准上优于已发表的结果。此外，在大型数据集上，我们的模型训练所需内存大幅减少，且训练速度比结构化森林模型快 10 倍。
引用
@article{arxiv.1412.4181,
title = {Oriented Edge Forests for Boundary Detection},
author = {Sam Hallman and Charless C. Fowlkes},
journal= {arXiv preprint arXiv:1412.4181},
year = {2015}
}
备注
updated to include contents of CVPR version + new figure showing example segmentation results