基于前馈上下文和形状先验的平面标注方法

来源 :计算机科学 | 被引量 : 0次 | 上传用户:kollisjordan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对真实场景中由于互相遮挡导致的场景语义不能完全被理解的问题,提出了一种基于前馈上下文和形状先验的方法来对前景区域和被遮挡的背景区域进行语义标注。首先,将原始图像分割成超像素并提取像素点特征,采用加速决策树方法标注前景,同时采用改进的基于多尺度可形变的部件模型方法进行目标检测。其次,将可见对象信息与前馈上下文预测相结合来推测背景区域的被遮挡部分。然后,根据与当前标签置信度相匹配的多边形为每个标签提供形状先验知识。最后,结合像素预测与可视平面预测和多边形知识,以形成完整的场景标注图像。与现有方法相比,
其他文献
为解决传统推荐系统中存在的冷启动难题,基于距离反映偏好的假设提出了一种融合矩阵分解与距离度量学习的社会化推荐算法。该算法同时对样本和距离度量进行训练,在满足距离约束
函数P-集合是P-集合的函数形式,是通过改进P-集合得到的一个具有动态特征、规律(函数)特征的信息规律模型。在函数P-集合中,函数的属性满足数理逻辑中的合取范式。函数逆P-集
将车联网中高维的时空特征嵌入到低维的特征语义词袋是一种典型的聚类问题。谱聚类因其计算简单且有全局最优解的特点而备受关注,但是关于其聚类数目的研究工作相对较少。针
针对现有图像修复算法存在受损区域的形状和大小受限以及修复痕迹明显、修复边缘不连续的问题,文中提出一种基于生成对抗网络的图像修复方法。该方法采用生成对抗网络(Generative Adversarial Networks,GAN)这种新的生成模型作为基本架构,结合Wasserstein距离,同时融入条件对抗网络(CGAN)的思想;以破损图像作为附加条件信息,采用对抗损失与内容损失相结合的方式来训练网
随着移动互联技术的快速发展和普及,产品的使用越来越无处不在,这也要求用户体验研究必须与情境紧密关联。但对于用户体验研究,现有的技术手段在识别和感知研究人员感兴趣的
移动用户界面模式能够有效地提高移动界面开发的效率和质量。针对现有界面模式检索方法的检索结果不能满足界面开发需求的问题,提出一种基于冲突度和协同过滤的移动用户界面模