×
加内尔哈兹巴什；朱莉娅·迪博尔德；丹尼尔·克莱默斯

优化相关性-冗余权衡以实现高效的语义分割。 （英语） Zbl 1444.68260号

Aujol，Jean-François（编辑）等，计算机视觉中的尺度空间和变分方法。2015年5月31日至6月4日，法国Lège-Cap Ferret，SSVM 2015第五届国际会议。诉讼程序。查姆：斯普林格。莱克特。票据计算。科学。9087, 243-255 (2015).
摘要：语义分割旨在联合计算图像平面的分割和语义标记。主要成分是有效的特征选择策略。在这项工作中，我们对现有特征进行了系统的信息理论评估，以解决哪些特征和多少特征适合有效的语义分割的问题。为此，我们讨论了相关性和冗余之间的权衡，并提出了一种信息理论特征评估策略。随后，我们进行了系统的实验验证，结果表明，所提出的特征选择策略在显著减少运行时间的情况下，在五个语义分割数据集上提供了最先进的语义分割。此外，它还系统地概述了哪些功能与各种基准最相关。
有关整个系列，请参见[Zbl 1362.68008号].

MSC公司：

68T45型 机器视觉和场景理解
68单位10 图像处理的计算方法

关键词：

特征分析；特征选择；图像分割；语义场景理解

软件：

纽约大学深度
PDF格式BibTeX公司 XML格式引用
\textit{C.Hazírbaš}等人，Lect。票据计算。科学。9087，243-255（2015；Zbl 1444.68260）
全文： 内政部

参考文献：

[1] Bergbauer，J.，Nieuwenhuis，C.，Souiai，M.，Cremers，D.：变化语义分割和识别的邻近先验。In:ICCV研讨会（2013）
[2] Chambolle，A.，Cremers，D.，Pock，T.：最小分区的凸方法。SIAM成像科学杂志5（4），1113-1158（2012）·Zbl 1256.49040号 ·数字对象标识代码：10.1137/10856733
[3] Couprie，C.，Farabet，C.，Najman，L.，LeCun，Y.：使用深度信息的室内语义分割。In:学习表现国际会议（2013）
[4] Dalal，N.，Triggs，B.：人体检测定向梯度直方图。In：公司内部确认。视觉和图案记录。(2005)
[5] Fröhlich，B.，Rodner，E.，Denzler，J.：具有数百万特征的语义分段：在组合随机森林方法中集成多个线索。收录于：Lee，K.M.，Matsushita，Y.，Rehg，J.M.，Hu，Z.（编辑）ACCV 2012，第一部分LNCS，第7724卷，第218-231页。斯普林格，海德堡（2013）·doi:10.1007/978-3-642-37331-2-17
[6] He，X.，Zemel，R.S.，Carreira-Perpind，M.A.：用于图像标记的多尺度条件随机场。In：公司内部确认。视觉和图案记录。(2004)
[7] Hermans，A.、Floros，G.、Leibe，B.：RGB-D图像室内场景的密集3D语义映射。In:机器人与自动化国际会议（2014）
[8] Korć，F.，Förstner，W.：解释人造场景图像的eTRIMS图像数据库。波恩大学摄影测量系技术报告（2009年）
[9] Ladicky，L.，Russell，C.，Kohli，P.，Torr，P.H.S.：基于图形切割的推理与共现统计。收录于：Danilidis，K.，Maragos，P.，Paragios，N.（编辑）ECCV 2010，第五部分LNCS，第6315卷，第239-253页。斯普林格，海德堡（2010）·Zbl 1270.68350号 ·数字对象标识代码：10.1007/978-3-642-15555-0_18
[10] Lowe，D.：从局部尺度不变特征识别物体。In：公司内部确认。愿景（1999）
[11] Nieuwenhuis，C.，Strekalovskiy，E.，Cremers，D.：图像序列分割的比例先验。In：公司内部确认。愿景（2013）
[12] Peng，H.，Long，F.，Ding，C.：基于最大相关性、最大相关性和最小相关性的互信息准则的特征选择。事务处理。模式分析与机器智能27（8），1226-1238（2005）·doi:10.1109/TPAMI.2005.159
[13] Shotton，J.、Winn，J.M.、Rother，C.、Criminisi，A.：TextonBoost：多类对象识别和分割的联合外观、形状和上下文建模。收录于：Leonardis，A.，Bischof，H.，Pinz，A.（编辑）ECCV 2006，第一部分，LNCS，第3951卷，第1-15页。斯普林格，海德堡（2006）·doi:10.1007/11744023_1
[14] Shotton，J.、Winn，J.，Rother，C.、Criminisi，A.：用于图像理解的TextonBoost：通过联合建模纹理、布局和上下文的多类对象识别和分割。国际公司杂志。愿景81（1），2-23（2009）·doi:10.1007/s11263-007-0109-1
[15] Silberman，N.，Fergus，R.：使用结构化光传感器进行室内场景分割。In:ICCV 3D表示与识别研讨会（2011年）
[16] Silberman，N.、Hoiem，D.、Kohli，P.、Fergus，R.：室内分割和支持RGBD图像的推断。在：Fitzgibbon，A.，Lazebnik，S.，Perona，P.，Sato，Y.，Schmid，C.（编辑）ECCV 2012，第五部分，LNCS，第7576卷，第746-760页。斯普林格，海德堡（2012）·doi:10.1007/978-3-642-33715-4_54
[17] Souiai，M.，Nieuwenhuis，C.，Strekalovskiy，E.，Cremers，D.：场景理解的凸优化。In:ICCV研讨会（2013）
[18] Souiai，M.，Strekalovskiy，E.，Nieuwenhuis，C.，Cremers，D.：连续多标签优化之前的共现。In:关于Comp.能量最小化方法的国际会议。视觉和图案记录。(2013)
[19] Viola，P.，Jones，M.：使用简单特征的增强级联快速目标检测。In：公司内部确认。视觉和图案记录。(2001)
[20] 姚，J。
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。