Fast normalized cut with linear constraint (CVPR2009)
1 like1,636 views
CVPR2009で発表された論文 Fast normalized cut with linear constraint の論文紹介スライドです。 制約付きの固有値問題を反復法で求めることで、半教師付きの画像領域分割を実現しています。
Fast normalized cut with linear constraint (CVPR2009)
- 1. “Fast Normalized Cut with Linear Constraint” CVPR2009 Linli Xu Wenye, Li Dale, Schuurmans 筑波大学情報数理研究室 修士1年 上田隼也 1
- 2. 目次 1. Motivation(研究背景・動機) 2. Method(提案手法) 3. Evaluation(評価方法・優位性) 4. Conclusion(結論) 2
- 3. Motivation 3 1 1. Normalized Cutは幅広く使われるグラフカットの際のコストの尺度とし て性能が良いがNP困難でもある。 しかし、固有値問題に帰着させること でNP困難の問題が緩和され解けるようになった。 2. 制約条件(一般的な機械学習の用語で指すならば学習データ)を固有値問題 を解く際に組み込むことで、従来の教師なし学習であるSpectral Clusteringから半教師付き学習Spectral Clusteringを提案する。 3. またこの手法は他の最適化問題にも適応可能。
- 6. Evaluation 6 3 (a)原画像 (b)プロットされているマークが制約条件 (c) Spectral Clustering (d)提案手法
- 7. Evaluation 3 (a)原画像 (b)プロットされているマークが制約条件 (c) Spectral Clustering (d)提案手法 Fig.4 Fig.5 7
- 8. Conclusion 8 4 1. 制約条件付きの固有値問題を組み込んだSpectral Clusteringを 提案した。 →アプローチとしてGrab Cut(引用数3,149)に似ている 2. 従来のSpectral Clusteringによる画像領域分割 で問題となっていた領域の飛び地現象を解消できた。 3. 論文では領域を2分割する事にしか言及していないがk-分割可 能。
- 10. Credit 10 Xu, Linli, Wenye Li, and Dale Schuurmans. "Fast normalized cut with linear constraints." Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. IEEE, 2009. Rother, Carsten, Vladimir Kolmogorov, and Andrew Blake. "Grabcut: Interactive foreground extraction using iterated graph cuts." ACM Transactions on Graphics (TOG) 23.3 (2004): 309-314. 図・実験結果は上記の論文から引用しました。