结合CRF与ShapeBM形状先验的图像标记

条件随机场(CRF)是一种强大的图像标记模型,适合描述图像相邻区域间(例如超像素)的相互作用。然而,CRF没有考虑标记对象的全局约束。对象的整体形状可以作为对象标记的一种全局约束,利用形状玻尔兹曼机(ShapeBM)在建模对象的整体形状方面的优势,提出了一种CRF与ShapeBM相结合的标记模型。标记模型建立在超像素的基础上,并通过pooling技术在CRF的超像素层与ShapeBM的输入层间建立对应关系,增强了 CRF 与 ShapeBM 结合的有效性,提高了标记准确率。在 Penn-Fudan Pedestrians 数据集和 Caltech-UCSD Birds 200数据集上的实验结果