基于像素聚类的分割方法基于slic的方法_【论文推荐/导读】Superpixel Hierarchy (层次超像素)...

05b838ff3a8a237397f22df9e5543863.png

本期推荐一篇state-of-the-art超像素分割论文:

Wei X, Yang QX, Gong YH, et al. Superpixel Hierarchy[J]. IEEE TIP, 2018, 27(10): 4838-4849.

IEEE TIP 论文在线版本


1 Target

快速/实时+准确 的超像素分割

2 Methodology

2.1 思路

基于Merging的Hierarchy分割

→ 基于MST的超像素聚类

→ Boruvka算法求解MST

→ 采用color+edge的距离测量

2.2 实现

  • 距离测量

颜色距离:直方图

距离

边缘强度:SFE法 [1]

[1] Dollár P, Zitnick C L. Fast edge detection using structured forests[J]. IEEE TPAMI, 2015, 37(8): 1558-1570.

  • 基于Boruvka算法求解MST

22b2e5a33b690b2ba64632744d1fb9a1.png
基于Boruvka的聚类过程

3 Experiments

3.1 超像素分割性能评估

评价指标:ASA、UE、BR、runtime (Note that 本文未评估Compactness)

实验数据集:BSDS500,Pascal SegVOC12, SBD, COCO14

实验结果:

  • 准确度方法超过对比方法SLIC、SEEDS、ERS、FH、DBSCAN

3413cbc2d4a22b63e6ab926a742832b5.png
在BSDS500上的准确性评估结果(plotted in black)
  • 运行效率排名靠前

6a9b77d98b23ebfd080131ddfe269df2.png
在BSDS500上的运行速度评估结果(plotted in black)

3.2 应用

  • 语义分割
  • 显著性检测
  • 立体匹配

4 Conclusions

Hierarchy超像素分割:快、精确度高

【浅评】

本文属于工程应用的好文,创新点可谓星星之火可以燎原,引入Boruvka算法解决超像素聚类,借鉴SEEDS算法将edge strength纳入节点距离测量,辅以大量实验佐证。文末不满足于已有的超像素精度评估,额外给出了实际应用展示,加分。

可完善之处:

  • 标题过于霸气了 (因为超像素本来就是over-segmentation的结果,大家的方法通过改变超像素数量都算是hierarchy的)
  • 实验部分未给出详细参数设置(只有部分,以致于笔者复现结果与文中给出结果略有出入)
  • 实验部分未充分“优待”其他算法(tune其他方法的参数)
  • typos可见

推荐指数:★★★★


有关本文其他问题可加专栏编辑工作微信:wilfrid-

Disclaimer:本文部分图片来自公开发表论文。如需转载本文请联系专栏编辑。

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值