通过正则化信息最大化的卷积神经网络实现超像素分割
计算机视觉与模式识别
2020-06-29 v3 机器学习
摘要
我们提出一种无监督超像素分割方法，通过在推断阶段优化随机初始化的卷积神经网络(CNN)来实现。我们的方法在推断阶段通过最小化所提出的超像素分割目标函数，从单幅图像生成超像素，无需任何标签。与许多现有方法相比，我们的方法有三个优势：(i) 利用 CNN 的图像先验进行超像素分割，(ii) 根据给定图像自适应改变超像素数量，以及 (iii) 通过向目标函数添加辅助代价来控制超像素的性质。我们在 BSDS500 和 SBD 数据集上定量与定性地验证了我们的方法的优势。
引用
@article{arxiv.2002.06765,
title = {Superpixel Segmentation via Convolutional Neural Networks with Regularized Information Maximization},
author = {Teppei Suzuki},
journal= {arXiv preprint arXiv:2002.06765},
year = {2020}
}
备注
To appear in ICASSP 2020