本文详细探讨Multiscale Combinatorial Grouping (MCG)算法，包括使用结构化森林进行边缘检测，通过watershed得到轮廓图，构建UCM图，以及通过hierarchical segmentation生成提案。通过Pareto优化提取singleton、pairs、triplets和fours列表，并对不同尺度的UCM图进行融合，得到高质量提案。最后，通过随机森林回归器对提案进行排名，实现提案的优化。博主提供MCG简易流程图，并邀请读者探讨代码细节。
在这篇博客里我们主要说下文章的大致脉络。
对每张图片，作者首先使用 P. Doll´ar and C. Zitnick. Structured forests for fast edge detection. ICCV , 2013. 4, 5 来产生边缘图（edge probability map)，请注意probability，因为下面connected regions 之间的 similarity 就是通过 这个probability 来体现的， 这里的probability 指的是该点的像素属于边缘的概率。对边缘图进行watershed得到轮廓图，通过对轮廓图进行一系列操作得到UCM图，UCM就是上篇博客里的那个图，我们在这里在贴一下
6834
1366
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
