Sep, 2014
通过粗到细的级联分类器裁剪, 加速图形模型优化
Speeding-up Graphical Model Optimization via a Coarse-to-fine Cascade of
Pruning Classifiers
TL;DR提出一种基于多尺度修剪方案和学习分类器粗到细级联策略的通用框架, 可以显著加速图形模型优化, 同时保持卓越的解决方案精度, 在计算机视觉相关的MRF问题上, 该框架能够不断提高常数时间速度, 并比直接优化MRF获得更精确的解决方案。