部分隶属度潜在狄利克雷分配
计算机视觉与模式识别
2016-12-30 v1 机器学习
摘要
主题模型（例如 pLSA、LDA、sLDA）已被广泛用于图像分割。然而，这些模型局限于硬分割，迫使一个视觉词（即一个图像块）属于且仅属于一个主题。但是，在许多图像中，某些区域无法被赋予明确的类别标签（例如，雾天天空与地面之间的过渡区域，或海滩上沙子与水之间的过渡区域）。在这些情况下，视觉词最好用跨多个主题的部分隶属度来表示。为了解决这个问题，我们提出了一种部分隶属度潜在狄利克雷分配（PM-LDA）模型及其相关的参数估计算法。该模型适用于视觉词可能是多个主题混合的图像。在视觉图像和声纳图像上的实验结果表明，PM-LDA 可以产生硬语义图像分割和软语义图像分割；这是以往主题建模方法所不具备的能力。
引用
@article{arxiv.1612.08936,
title = {Partial Membership Latent Dirichlet Allocation},
author = {Chao Chen and Alina Zare and Huy Trinh and Gbeng Omotara and J. Tory Cobb and Timotius Lagaunne},
journal= {arXiv preprint arXiv:1612.08936},
year = {2016}
}
备注
Version 1, Sent for Review. arXiv admin note: substantial text overlap with arXiv:1511.02821