公开(公告)号：CN110298392A

公开(公告)日：2019-10-01

申请号：CN201910508416.7

申请日：2019-06-13

Applicant: 北京工业大学

Inventor： 王少帆 ,  林菁 ,  王立春 ,  孔德慧 ,  尹宝才

IPC: G06K9/62 ,  G06N20/00

Abstract: 一种标签约束自权重多超图学习的半监督分类方法，其能够针对每种特征，基于自适应近邻策略构建超图以编码样本之间的高阶关系；对于构建好的多个超图，自适应地学习每个超图的权重；并建立标签约束自权重多超图学习模型，完成半监督分类任务。该方法包括：(1)对待分类任务的数据确定m种特征表示,依据每种特征构建一个超图，计算每个超图的相关矩阵H(t)，t＝1,...,m；(2)计算各超图的拉普拉斯矩阵L(t)，t＝1,...,m；(3)对于每个超图，初始化权重α(t)＝1/m,t＝1,...m；(4)利用进行多超图融合；(5)计算无标签样本的指示矩阵Fu；(6)令F＝[Yl；Fu]，更新权重(7)迭代进行步骤(4)、(5)、(6)，直到收敛或达到最大迭代次数；(8)计算无标签样本标签；(9)输出标签；(10)结束。

公开(公告)号：CN109741358A

公开(公告)日：2019-05-10

申请号：CN201811634332.X

申请日：2018-12-29

Applicant: 北京工业大学

Inventor： 王少帆 ,  林菁 ,  王立春 ,  孔德慧 ,  尹宝才

IPC: G06T7/155

Abstract: 本发明涉及一种基于自适应超图学习的超像素分割方法，属于计算机视觉领域中的图像分割技术，包括以下步骤：步骤一：图像预处理，即对输入的RGB图像进行下采样；步骤二：对预处理后得到的图像进行基于超图的图像表示；步骤三：对构建好的超图进行基于超图学习的超像素分割；步骤四：对输入图像所对应的分割结果进行后处理，包括增强连通性和超像素边界优化两部分。本发明首次将超图的思想引入超像素分割，以此来编码像素之间的高阶关系；利用自适应近邻方法构建超边，有利于准确刻画顶点与超边之间的连接强度；结合Canny算子对超像素边界进行优化，确保进一步提升边界召回率。

公开(公告)号：CN109741358B

公开(公告)日：2020-11-06

申请号：CN201811634332.X

申请日：2018-12-29

Applicant: 北京工业大学

Inventor： 王少帆 ,  林菁 ,  王立春 ,  孔德慧 ,  尹宝才

IPC: G06T7/155

Abstract: 本发明涉及一种基于自适应超图学习的超像素分割方法，属于计算机视觉领域中的图像分割技术，包括以下步骤：步骤一：图像预处理，即对输入的RGB图像进行下采样；步骤二：对预处理后得到的图像进行基于超图的图像表示；步骤三：对构建好的超图进行基于超图学习的超像素分割；步骤四：对输入图像所对应的分割结果进行后处理，包括增强连通性和超像素边界优化两部分。本发明首次将超图的思想引入超像素分割，以此来编码像素之间的高阶关系；利用自适应近邻方法构建超边，有利于准确刻画顶点与超边之间的连接强度；结合Canny算子对超像素边界进行优化，确保进一步提升边界召回率。