克里金,V。;科门科,R。 基于次梯度下降的求解超模标记问题的自驱动算法。 (英语。乌克兰原文) Zbl 07630516号 赛博。系统。分析。 58,第4号,510-517(2022); 翻译自Kibern。修女。分析。58,第4期,24-31页(2022年)。 摘要:本文提出的算法给出了输入给定整数权重的任何(max,+)标记问题的两个答案之一,即最优标记形式的解决方案或短语“the problem is not super-modular”,其中任何一个答案都保证正确。该算法的自驱动特性是,用户无法决定回答这两个问题中的哪一个,因为这取决于算法的能力范围。该算法的另一个特点是,在超模问题中,它不需要知道标签的顺序。通过使用次梯度下降和顶点和边的整数权重来保证算法的有限步数。 MSC公司: 68季度xx 计算理论 90立方厘米 数学编程 90倍X 运筹学、数学规划 关键词:\((\最大值,+)\);标签问题;超模标记问题;自驱动模式识别;离散优化;图形模型;结构模式识别 PDF格式BibTeX公司 XML格式引用 \textit{V.Krygin}和\textit{R.Khomenko},Cybern。系统。分析。58,编号4,510--517(2022;Zbl 07630516);翻译自Kibern。修女。分析。58,第4号,24-31(2022) 全文: 内政部 参考文献: [1] 博伊科夫,Y。;O.维克斯勒。;Zabih,R.,《通过图形切割实现快速近似能量最小化》,IEEE Trans。模式分析和机器英特尔。,23, 11, 1222-1239 (2001) ·数字对象标识代码:10.1109/34.969114 [2] 博伊科夫,Y。;Kolmogorov,V.,《视觉能量最小化最小/最大流算法的实验比较》,IEEE Trans。模式分析与机器英特尔。,26, 9, 1124-1137 (2004) ·doi:10.1109/TPAMI.2004.60 [3] M.I.Schlesinger和V.V.Giginyak,“通过等价变换解决结构识别(max,+)问题”,《控制系统与机器》,第1期,第3-15页(2007年)。 [4] Szeliski,R。;扎比,R。;Scharstein,D。;O.维克斯勒。;科尔莫戈罗夫,V。;阿加瓦拉,A。;Tappen,M。;Rother,C.,《马尔可夫随机场能量最小化方法与平滑先验的比较研究》,IEEE Trans。模式分析与机器英特尔。,30, 6, 1068-1080 (2008) ·doi:10.1109/TPAMI.2007.70844 [5] C.Wang、N.Komodakis和N.Paragios,“计算机视觉和图像理解中的马尔可夫随机场建模、推理和学习:一项调查”,《计算机视觉与图像理解》,第117卷,第2期。11, 1610-1627 (2013). [6] Savchynskyy,B.,《离散图形模型——优化视角》,Found。趋势计算。图表。视觉。,11, 3-4, 160-429 (2019) ·Zbl 1455.90001号 ·doi:10.1561/0600000084 [7] Ishikawa,H.,具有凸先验的马尔可夫随机场的精确优化,IEEE Trans。模式分析与机器英特尔。,25, 10, 1333-1336 (2003) ·doi:10.1109/TPAMI.2003.1233908 [8] 密歇根州施莱辛格;Antoniuk,KV,扩散算法和结构识别优化问题,Cybern。系统。分析,47,2,175-192(2011)·Zbl 1330.90123号 ·数字对象标识代码:10.1007/s10559-011-9300-z [9] M.I.Schlesinger,“模式识别作为某种思维过程的实现”,《控制系统与计算机》,第2期(268),20-37页(2017年)。 [10] E.V.Vodolazskii、B.Flach和M.I.Schlesinger,“大多数算子下离散优化不变量的极小极大问题”,计算。数学。和数学。物理。,第54卷,第。8, 1327-1336 (2014). ·Zbl 1313.49031号 [11] Ye.V.Vodolazskiy,“某类半环具有多数多态性的广义标记问题”,《控制系统与计算机》,第6期(260),第3-7期(2015年)。 [12] N.Shor,“次梯度方法”,收录于:N.Shor,不可微函数的最小化方法,计算数学中的Springer级数,第3卷,Springer-Verlag,Berlin-Heidelberg-New-York-Tokyo(1985),第22-47页·Zbl 0561.90058号 [13] M.Schlesinger、E.Vodolazskiy和N.Lopatka,“对偶松弛(max,+)问题中次梯度最小化的停止条件”,载于:Y.Boykov、F.Kahl、V.Lempitsky和F.R.Schmidt(编辑),《计算机视觉和模式识别中的能量最小化方法》(EMMCVPR 2011);计算机科学讲义,第6819卷,施普林格,柏林-海德堡(2011),第118-131页。doi:10.1007/978-3642-23094-39。 [14] D.Schlesinger和B.Flach,“将任意MinSum问题转换为二进制问题”,技术报告TUD-FI06-01,德累斯顿理工大学,2006年4月。 [15] Shlezinger,M.,噪声存在下二维视觉信号的句法分析,Cybern。系统。分析,12,4,612-628(1976)·doi:10.1007/BF01070399 [16] Werner,T.,重温Gibbs能量最小化和加权约束满足的线性规划松弛方法,IEEE Trans。模式分析与机器英特尔。,32, 8, 1474-1488 (2010) ·doi:10.1109/TPAMI.2009.134 [17] V.K.Koval和M.I.Schlesinger,“图像分析问题中的二维编程”,Avtomat。Telemekh.公司。,第8期,149-168(1976)。 [18] 罗西,F。;van Beek,P。;Walsh,T.,《约束编程手册》(2006),爱思唯尔科学·Zbl 1175.90011号 [19] M.Li、A.Shekhovtsov和D.Huber,“离散能量最小化问题的复杂性”,收录于:B.Leibe、J.Matas、N.Sebe和M.Welling(编辑),ECCV 2016:Computer Vision-ECCV 2016;计算机科学讲义,第9906卷,Springer,Cham(2016),第834-852页。doi:10.1007/978-3-319-46475-6_51。 [20] 阿罗拉,S。;Barak,B.,《计算复杂性:现代方法》(2009),剑桥大学出版社·Zbl 1193.68112号 ·doi:10.1017/CBO9780511804090 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。