基于二次聚类弱监督学习的图像语义分割
DOI:
CSTR:
作者:
作者单位:

西安邮电大学计算机学院 西安 710121

作者简介:

通讯作者:

中图分类号:

TP301

基金项目:

陕西省教育厅科研计划项目(15JK1679)、陕西省科技统筹创新工程计划项目(2015KTCQ0114)资助


Image semantic segmentation based on weakly supervised learning of two clustering
Author:
Affiliation:

School of Computer Science and Technology, Xi’an University of Posts and Telecommunications, Xi’an 710121, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对在给定大量用户标注图像基础上,将图像分割成一系列具有单一语义的完整区域,并同时对各区域实现语义标注的问题,提出了一种基于弱监督学习的二次聚类的图像语义分割算法。将谱聚类和判别式聚类相结合,用谱聚类学到的类标指示函数来指导判别式聚类,学习特征的潜在数据结构,利用弱监督信息对聚类分配标签。该方法能够充分利用区域上下文信息,为每个类别选择判别式特征,并且输出鲁棒的多类分类器,对外来没有标签的图像也可以进行有效的区域标注。通过在公用数据集上的充分实验,证明了本方法的有效性。

    Abstract:

    According to a large number of users in a given image annotation based on image is segmented into a series of single semantic integrity area, and at the same time to the area to realize the semantic annotation problem, proposes a segmentation algorithm of semantic image two clustering based on weakly supervised learning. The combination of spectral clustering and discriminant clustering is used to guide the discriminant clustering and the latent data structure of learning features. The proposed method can make full use of the regional context information, select discriminative features for each class, and output robust multi class classifier. The effectiveness of the proposed method is demonstrated by experiments on a common data set.

    参考文献
    相似文献
    引证文献
引用本文

文笃石.基于二次聚类弱监督学习的图像语义分割[J].国外电子测量技术,2017,36(9):30-34

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-11-09
  • 出版日期:
文章二维码
×
《国外电子测量技术》
财务封账不开票通知