×
马克西姆·伯曼;马修·布拉斯科（Matthew B.Blaschko）。

具有可能子模约束的条件随机场的判别训练。 （英语） Zbl 1471.68295号

国际期刊计算。视觉。 128，第6期，1722-1735（2020）.
小结：图像分割、去噪、配准和三维重建等问题经常使用图割算法来解决。然而，求解无约束图割问题是NP-hard。对于可处理的优化，成对势必须满足子模不等式。在我们的学习范式中，成对电位被创建为学习向量（w）与正特征向量的点积。为了约束这种模型保持可处理性，以前的方法已经强制使标签不同的成对电位的权重向量为正，并在标签保持不变的情况下将成对电位设置为零。这些约束足以保证得到的成对势满足子模不等式。然而，我们表明，这种方法不必要地限制了学习模型的能力。保证所有可能输入的子模块性，无论多么不可能，都会将推理误差有效地减少到零，但会增加模型误差。相反，我们将保证子模性的要求放宽到可能是近似子模的解。我们表明，在训练示例上实施子模块化的概念上简单的策略可以在低样本复杂度的情况下保证测试图像也会产生子模块成对电位。结果显示在二进制和多类设置中，显示了模型容量增加后的实质性改进。

MSC公司：

68平方英寸10 图像处理的计算方法
62M40型 随机字段；图像分析
68T05年 人工智能中的学习和自适应系统
90 C90 数学规划的应用

关键词：

结构化预测;子模性;图形模型;分段

软件：

深度实验室;脓结构;掌中宽带
PDF格式BibTeX公司 XML格式引用
\textit{M.Berman}和\textit{M.B.Blaschko}，国际计算机杂志。视觉。128，第6号，1722---1735（2020；Zbl 1471.68295）
全文： 内政部 arXiv公司

参考文献：

[1] 阿坎塔，R。；沙吉，A。；史密斯，K。；卢奇，A。；Fua，P。；Susstrunk，S.，SLIC超像素与最先进的超像素方法的比较，IEEE模式分析和机器智能学报，34，11，2274-2282（2012）·doi:10.1109/TPAMI.2012.120
[2] Anguelov，D.、Taskar，B.、Chatalbashev，V.、Koller，D.、Gupta，D.、Heitz，G.等人（2005年）。三维扫描数据分割中马尔可夫随机场的判别学习。《IEEE计算机视觉和模式识别会议论文集》（第2卷，第169-176页）。
[3] Bakır，加纳；霍夫曼，T。；Schölkopf，B。；斯莫拉，AJ；Taskar，B。；Vishwanathan，SVN，预测结构化数据（2007），剑桥：麻省理工学院出版社，剑桥
[4] Barahona，F.，《关于伊辛自旋玻璃模型的计算复杂性》，《物理学杂志A：数学与一般》，第15、10、3241页（1982年）·doi:10.1088/0305-4470/15/10/028
[5] 巴特利特，PL；密歇根州约旦；McAuliffe，JD，凸性、分类和风险边界，美国统计协会杂志，101，473，138-156（2006）·Zbl 1118.62330号 ·doi:10.1198/01621450000000907
[6] Billingsley，P.，《概率与测度》（1995），纽约：威利出版社，纽约·Zbl 0822.60002号
[7] Boykov，Y.和Jolly，M.P.（2001年）。交互式图形切割，用于N-D图像中对象的最佳边界和区域分割。在ICCV中（第105-112页）。
[8] 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模式分析和机器智能汇刊，23，11，1222-1239（2001）·数字对象标识代码：10.1109/34.969114
[9] Casser，V.、Kang，K.C.、Pfister，H.和Haehn，D.（2018年）。用于连接组学的快速线粒体分割。CoRR arXiv:1812.06024。
[10] Chandra，S.和Kokkinos，I.（2016年）。基于深高斯CRF的语义图像分割快速、准确和多尺度推理。在欧洲计算机视觉会议上。
[11] Chen，LC公司；帕潘德里欧，G。；科基诺斯，I。；墨菲，K。；Yuille，AL，Deeplab:使用深度卷积网络、反褶积和完全连接的CRF进行语义图像分割，IEEE模式分析和机器智能学报，40，4，834-848（2017）·doi:10.1109/TPAMI.2017.2699184
[12] Chen，L.C.、Schwing，A.G.、Yuille，A.L.和Urtasun，R.（2015）。学习深层结构模型。ICML会议记录。
[13] Cheng，H.C.和Varshney，A.（2017年）。使用有限训练数据的卷积神经网络进行体积分割。2017年IEEE图像处理国际会议（ICIP）（第590-594页）。
[14] Elisseeff，A.和Weston，J.（2001）。一种多标记分类的核方法。以NIPS为单位。
[15] Felzenszwalb，P.F.、Girshick，R.B.和McAllester，D.（2010年）。使用可变形零件模型进行级联对象检测。在CVPR中。
[16] Finley，T.和Joachims，T.（2008）。当精确推理困难时，训练结构化SVM。在ICML中。
[17] Gelasca，E.D.、Byun，J.、Obara，B.和Manjunath，B.（2008）。生物图像分割的评估和基准。在2008年第15届IEEE图像处理国际会议上。ICIP 2008（第1816-1819页）。IEEE标准。
[18] Geman，S。；Geman，D.，随机松弛、吉布斯分布和图像的贝叶斯恢复，IEEE模式分析和机器智能汇刊，6，6，721-741（1984）·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596
[19] Gjorgjevikj，D.和Madjarov，G.（2011）。用于有效的成对多标签学习的两阶段分类器链结构。2011年IEEE信号处理机器学习国际研讨会（第1-6页）。
[20] 哈拉利克，RM；堪萨斯州Shanmugam；Dinstein，I.，图像分类的纹理特征，IEEE系统、人与控制论汇刊，3610-621（1973）·doi:10.1109/TSMC.1973.4309314
[21] Har-Peled，S.（2011年）。关于随机凸包的期望复杂性。CoRR arXiv:11111.5340。
[22] Joachims，T。；Finley，T。；Yu，CNJ，《结构化SVM的裁剪计划培训》，机器学习，77，1，27-59（2009）·Zbl 1235.68161号 ·doi:10.1007/s10994-009-5108-8
[23] Kolmogorov，V.，能量最小化的收敛树重加权消息传递，IEEE模式分析和机器智能汇刊，281568-1583（2005）·doi:10.1109/TPAMI.2006.200
[24] 科尔莫戈罗夫，V。；Zabih，R.，什么能量函数可以通过图形切割最小化？，IEEE模式分析和机器智能汇刊，26，2，147-159（2004）·doi:10.1109/TPAMI.2004.1262177
[25] Lafferty，J.D.、McCallum，A.和Pereira，F.C.N.（2001年）。条件随机场：用于分割和标记序列数据的概率模型。第十八届机器学习国际会议论文集（第282-289页）。
[26] Leibe，B.、Leonardis，A.和Schiele，B.（2004）。将对象分类和分割与隐式形状模型相结合。在计算机视觉统计学习研讨会上，ECCV。
[27] 卢奇，A。；马尔克斯-尼拉，P。；贝克尔，C。；李毅。；史密斯，K。；诺特，G。；Fua，P.，《学习二维和三维图像分割的结构化模型》，IEEE医学成像学报，34，5，1096-1110（2015）·doi:10.1109/TMI.2014.2376274
[28] 卢奇，A。；史密斯，K。；阿坎塔，R。；Knott，G。；Fua，P.，EM图像堆栈中基于Supervisoxes的线粒体分割，具有学习的形状特征，IEEE医学成像汇刊，31，2，474-486（2012）·doi:10.1109/TMI.2011.2171705
[29] 马格纳斯，JR；Neudecker，H.，《矩阵微分学在统计学和计量经济学中的应用》（1995），纽约：威利出版社，纽约
[30] Metzen，J.H.、Kumar，M.C.、Brox，T.和Fischer，V.（2017年）。针对语义图像分割的通用对抗扰动。在IEEE国际计算机视觉会议（ICCV）上。
[31] 米勒，AC；Behnke，S.，PyStruct-Learning structured prediction in python，Journal of Machine Learning Research，15，2055-2060（2014）·Zbl 1318.68150号
[32] Nowozin，S。；Gehler，光伏；Lampert，CH，《基于CRF的对象类图像分割方法中的参数学习》，ECCV，6，98-111（2010）
[33] O.Ronneberger。；菲舍尔，P。；布罗克斯，T。；纳瓦布，N。；霍内格尔，J。；Wells，WM公司；Frangi，AF，U-Net:生物医学图像分割、医学图像计算和计算机辅助干预的卷积网络，234-241（2015），柏林：施普林格，柏林
[34] Rother，C.、Kolmogorov，V.、Lempitsky，V.和Szummer，M.（2007年）。通过扩展屋顶对偶优化二进制MRF。2007年IEEE计算机视觉和模式识别会议（第1-8页）。IEEE标准。
[35] Rother，C.、Kumar，S.、Kolmogorov，V.和Blake，A.（2005年）。数字挂毯[自动图像合成]。在2005年IEEE计算机学会计算机视觉和模式识别会议上。CVPR 2005（第1卷，第589-596页）。IEEE标准。
[36] Szummer，M.、Kohli，P.和Hoiem，D.（2008）。使用图形切割学习CRF。在D.A.Forsyth、P.H.S.Torr和A.Zisserman（编辑）关于计算机视觉的欧洲会议上。计算机科学课堂讲稿（第5303卷，第582-595页）。柏林：斯普林格。
[37] Tsochantaridis，I。；Joachims，T。；霍夫曼，T。；Altun，Y.，《结构化和相互依赖输出变量的大幅度方法》，《机器学习研究杂志》，61453-1484（2005）·Zbl 1222.68321号
[38] LG Valiant，《可学习理论》，《ACM通信》，第27、11、1134-1142页（1984年）·Zbl 0587.68077号 ·数字对象标识代码：10.1145/1968.1972
[39] Vapnik，VN，统计学习理论（1998），纽约：威利，纽约·Zbl 0935.62007号
[40] Zaremba，W.和Blaschko，M.B.（2016年）。具有可能子模块约束的CRF模型的判别训练。在IEEE计算机视觉应用冬季会议上。
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。