Aug, 2016

密集 CRF 的高效连续松弛方法

HTML
PDF
TL;DR本研究论文提出了一种使用Frank-Wolfe算法来通过优化凸二次规划松弛问题的方法，此外还开发了一种分治方法来计算线性规划松弛的次梯度，以实现更好的能量最小化，与常用的均值场算法相比，本文研究表明连续松弛技术有更好的结果。
发现论文，激发创造
  • 具高斯边缘势的全连接CRF的高效推理

    本文提出了一种基于高斯核线性组合的高效近似推理算法，用于在完整的像素集上定义的全连接CRF模型的密集像素级连接，为多类图像分割和标注技术提供了显著的改进。

    Oct, 2012

  • 大规模图像分割的条件随机场闭式训练

    LS-CRF基于生成图模型的闭式表达式，通过解决一组独立的回归问题进行训练，相对于传统的最大似然学习方法节省大量时间，而且能训练有效率的、具有联合推断能力的图像分割模型，其已应用于语义图像分割任务并取得了成功。

    Mar, 2014

  • 基于低秩分解的全连接CRF高效SDP推理

    该研究论文提出了一种基于低秩近似和可扩展的半定规划算法的高效全连通条件随机场推理方法，该方法可以用于以前无法解决的全连通CRFs，如像素级图像共分割。

    Apr, 2015

  • 深度神经网络中的高阶条件随机场

    该研究通过在深度网络中嵌入结构化的CRF，将包含目标检测和超像素等等高级潜在因素的方法应用于语义分割任务中，实现了PASCAL VOC基准上最佳分割性能。

    Nov, 2015

  • 基于深度高斯条件随机场的语义图像分割快速、准确、多尺度推理

    本文提出了一种结构化预测技术，其将高斯条件随机场与深度学习相结合，能够在保证唯一全局最优解的同时，使用精简的闭式表达式计算模型参数的梯度。通过在语义分割任务中引入多分辨率结构化优化框架，该系统在PASCAL 2012图像分割基准上显示出明显的改进。

    Mar, 2016

  • 基于基数约束的多模态平均场方法

    该研究介绍了一种用加权混合分布取代Mean Field完全分解的方法，通过这种方式，可以更好地逼近真后验概率，进而提高一些计算机视觉算法的性能。

    Nov, 2016

  • 一种允许端对端训练任意成对势函数的CRF推理的投影梯度下降方法

    通过开发新的推理和学习框架，挑战当前视觉社区流行的基于高斯势函数的条件随机场模型，该框架可以通过梯度下降来学习成对的条件随机场势函数，可以考虑标准的空间和高维双边核，可用于深度神经网络中端到端地训练以提高语义分割的准确性。

    Jan, 2017

  • 卷积条件随机场用于语义分割

    该论文介绍了如何在全连接CRFs中添加条件独立假设，从而利用卷积重构推理，提高了推理和训练的速度，并可以通过反向传播轻松优化卷积CRFs的所有参数，以便于后续的CRF研究。

    May, 2018

  • 基于超像素的条件随机场对语义分割的增强

    本文提出了一种超像素增强的成对条件随机场（CRF）框架，通过使用超像素基础的高阶信息，以较低的时间复杂度提高了参数学习和推理准确性；同时，根据实验数据，该方案在MSRC-21和PASCAL VOC 2012数据集上证明了其有效性。

    May, 2018

  • 扩张的连续随机场用于语义分割

    本文提出了一种全局优化的方法，使用稀疏卷积模块（DSConv）来放宽平均场近似的硬约束条件，实现端到端的DilatedCRF流水线，并在吸力数据集上展示了该方法的优越实验结果。

    Feb, 2022