我正在研究一个试图使用无上下文语法来解析图像的项目。我们正在尝试构建图像片段树，然后使用机器学习来使用这些视觉语法来解析图像。
我发现SVM-CFG看起来很理想，问题在于它是为字符串解析而设计的，其中字符串中的每个终端最多有两个邻居（前后字）。在我们的视觉语法中，每个片段可以在任意数量的其他片段旁边。
解析这些视觉语法的最佳方法是什么？具体来说，我可以编码我的数据以使用SVM-CFG吗？或者我将不得不编写自己的内核/解析库？
答案 0 :(得分：1)
SVM-CFG是SVM-struct中使用的切割平面优化算法的具体实现（此处描述http://www.cs.cornell.edu/People/tj/publications/tsochantaridis_etal_04a.pdf，第4节）。
在每一步中，切割平面算法调用一个函数来查找得分最高的结构化输出分配（在SVM-CFG中这是得分最高的分析）。
对于一维字符串，SVM-CFG运行动态编程算法以在多项式时间内找到最高得分解析。
您可以扩展SVM-struct以返回图像的最高得分解析，但不存在执行此操作的多项式时间算法！
以下是解析图像的最先进技术的参考：http://www.socher.org/uploads/Main/SocherLinNgManning_ICML2011.pdf。他们遇到了同样的问题，寻找图像分割的最高得分解析，因此他们使用贪心算法来找到近似解（见4.2节）。您可以将类似的贪婪算法合并到SVM-struct中。