超像素：对当前最优方法的评估
计算机视觉与模式识别
2017-04-21 v3
摘要
超像素将感知相似的像素分组，以创建视觉上有意义的实体，同时大幅减少后续处理步骤所需的基元数量。由于这些特性，超像素算法自2003年被命名以来受到了广泛关注。如今，公开可用的超像素算法已成为低层视觉中的标准工具。因此，且由于它们在广泛应用中的快速采纳，适当的基准测试对于算法选择和比较至关重要。迄今为止，快速增长的算法数量以及各异的实验设置阻碍了统一基准的开发。我们利用一个专注于公平比较并旨在提供与应用相关的新见解的基准，对28种当前最优的超像素算法进行了全面评估。为此，我们明确讨论了参数优化以及严格执行连通性的重要性。此外，通过扩展众所周知的度量指标，我们能够独立于生成的超像素数量来总结算法性能，从而克服了现有基准的一个主要局限。我们还讨论了运行时间、对噪声、模糊和仿射变换的鲁棒性、实现细节以及视觉质量方面。最后，我们给出了超像素算法的总体排名，重新定义了当前最优水平，并使研究人员能够轻松选择合适的算法及其相应实现，这些实现本身已作为我们基准的一部分在davidstutz.de/projects/superpixel-benchmark/上公开提供。
引用
@article{arxiv.1612.01601,
title = {Superpixels: An Evaluation of the State-of-the-Art},
author = {David Stutz and Alexander Hermans and Bastian Leibe},
journal= {arXiv preprint arXiv:1612.01601},
year = {2017}
}