场景图像非互斥性——一种模糊定性场景理解

模糊性或不确定性是许多现实世界决策过程中的普遍要素。在这种情况下，当同一问题 posed 给不同主体时，决策的差异是一种常态。心理学和形而上学研究已证明，人类的决策具有主观性，并受到经验、年龄、背景等多种因素的影响。场景理解是属于此类范畴的计算机视觉问题之一。传统方法通过假设场景图像是互斥的来放宽这一问题，因此专注于开发不同的方法来执行二分类任务。在本文中，我们表明场景图像是非互斥的，并提出了模糊定性秩分类器 (FQRC) 来解决上述问题。所提出的 FQRC 提供了秩次解释而非二值决策。基于大量且具有挑战性的公共场景数据集进行的定性和定量评估表明，我们提出的方法在建模非互斥场景图像方面是有效的。