|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
A Principled Deep Random Field Model for Image Segmentationстатья
Информация о цитировании статьи получена из
Web of Science,
Scopus
Дата последнего поиска статьи во внешних источниках: 31 декабря 2013 г.
- Авторы: Kohli P., Osokin A., Jegelka S.
- Сборник: IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
- Год издания: 2013
- Издательство: IEEE Computer Society
- Местоположение издательства: United States
- Первая страница: 1971
- Последняя страница: 1978
- DOI: 10.1109/CVPR.2013.257
- Аннотация: We discuss a model for image segmentation that is able to overcome the short-boundary bias observed in standard pairwise random field based approaches. To wit, we show that a random field with multi-layered hidden units can encode boundary preserving higher order potentials such as the ones used in the cooperative cuts model of [12] while still allowing for fast and exact MAP inference. Exact inference allows our model to outperform previous image segmentation methods, and to see the true effect of coupling graph edges. Finally, our model can be easily extended to handle segmentation instances with multiple labels, for which it yields promising results.
- Добавил в систему: Осокин Антон Александрович
Прикрепленные файлы
| № | Имя | Описание | Имя файла | Размер | Добавлен |
|---|---|---|---|---|---|
| 1. | Полный текст | kohliCvpr2013.pdf | 3,8 МБ | 28 октября 2013 [anton_osokin] |