使用CRF的图像标记性能

时间:2013-05-09 14:59:30

标签: image-processing computer-vision

我需要开发一个图像标注应用程序,为此我正在考虑在一组超像素上使用条件随机场(CRF),有相当多的论文指出这项技术是最先进的技术。这个任务。像往常一样,任务可以分为两个任务:

  • 训练模型:针对此问题,将使用例如
  • 获取参数向量'w'
  • 测试:获得给定超像素集最可行的标签分配,即argmax(P(y | x))

我知道培训时间很长,但是我没有发现任何关于测试时间和性能的信息,是否有人知道可以花多少时间来测试问题?我想这将取决于标签的数量,图像大小,实现,硬件等

1 个答案:

答案 0 :(得分:2)

测试速度很慢,因为你仍然需要解决图形切割问题(但没有像训练那样)。您可以在http://drwn.anu.edu.au/drwnProjMultiSeg.html尝试实施(您可能已经看过Stephen Gould的论文)。

我仍然有日志文件。但它有点难以解释,所以以下可能不完全准确。在超快速的机器上,我认为它需要:

  • 4.5小时的cpu时间来训练20个课程,来自MSRC数据集的276张图片
  • 50分钟的cpu时间来分类256张图片,其中大部分用于进行alpha扩展