• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >Conditional Random Fields for Image Labeling
【24h】

Conditional Random Fields for Image Labeling

机译：用于图像标记的条件随机字段

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With the rapid development and application of CRFs (Conditional Random Fields) in computer vision, many researchers have made some outstanding progress in this domain because CRFs solve the classical version of the label bias problem with respect to MEMMs (maximum entropy Markov models) and HMMs (hidden Markov models). This paper reviews the research development and status of object recognition with CRFs and especially introduces two main discrete optimization methods for image labeling with CRFs: graph cut and mean field approximation. This paper describes graph cut briefly while it introduces mean field approximation more detailedly which has a substantial speed of inference and is researched popularly in recent years.
机译：随着CRF（条件随机场）在计算机视觉中的迅速发展和应用，许多研究人员在该领域取得了一些杰出的进展，因为CRF解决了关于MEMM（最大熵马尔可夫模型）和HMM的经典版本的标签偏差问题。 （隐马尔可夫模型）。本文综述了基于CRF的物体识别技术的研究现状和发展现状，特别介绍了基于CRF的图像标注的两种主要的离散优化方法：图割和均值逼近。本文简要介绍了图割，同时更详细地介绍了平均场逼近，这种方法具有相当大的推断速度，并且近年来受到了广泛的研究。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2016年第4期|3846125.1-3846125.15|共15页
  • 作者

    Liu Tong; Huang Xiutian; Ma Jianshe;

  • 作者单位

    Tsinghua Univ, Grad Sch Shenzhen, Div Adv Mfg, Shenzhen 518055, Peoples R China;

    Tsinghua Univ, Grad Sch Shenzhen, Div Adv Mfg, Shenzhen 518055, Peoples R China;

    Tsinghua Univ, Grad Sch Shenzhen, Div Adv Mfg, Shenzhen 518055, Peoples R China;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号