10.3969/j.issn.1000-1220.2020.07.033
基于符号规范化割的半监督学习与图像分割
半监督学习利用少量的辅助信息以提升学习器的性能.基于图的学习方法是较为典型的半监督学习实现途径,利用图来表达和分析数据,能够处理复杂的数据分布.不同于这类方法通常所利用的无符号图,符号网络具有更强的表达能力,其负边能够表达额外的信息.本文基于符号网络的规范化割(Signed Normalized Cut,SNCut),提出了可处理成对约束的半监督聚类,通过实验验证了负边给半监督学习带来的附加价值.将SNCut应用于图像分割问题,获得的分割效果明显优于规范化割.为了进一步强化边界对齐性,引入马尔科夫随机场(Markov Random Field,MRF)正则化项,构建SNCut&MRF目标函数,并提出基于界优化和图割的求解算法.结果表明,SNCut&MRF相比一些典型分割方法有更好的分割性能,在边界处表现良好.
半监督学习、符号网络、规范化割、图像分割、马尔科夫随机场
41
TP301(计算技术、计算机技术)
国家自然科学基金项目;湖南省自然科学基金项目;湖南省教育厅科学研究项目
2020-07-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
1547-1552