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）...

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

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

在BSDS500上的准确性评估结果(plotted in black)

• 运行效率排名靠前

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。