DynaSeg:一个融合特征相似性和空间连续性的无监督图像分割的深度动态融合方法
原文中文,约300字,阅读约需1分钟。发表于: 。我们的工作解决了计算机视觉中图像分割的基本挑战,提出了一种增强的无监督卷积神经网络算法 DynaSeg,通过自动化参数调整来灵活适应图像细节,并通过引入 Silhouette Score Phase 解决了动态聚类的挑战,同时整合了 CNN-based 和预训练的 ResNet 特征提取,取得了在多个数据集上的最先进结果,相对于 COCO-All 和 COCO-Stuff...
我们提出了一种增强的无监督卷积神经网络算法DynaSeg,解决了计算机视觉中图像分割的挑战。该算法通过自动化参数调整适应图像细节,并通过引入Silhouette Score Phase解决了动态聚类的挑战。该方法整合了CNN-based和预训练的ResNet特征提取,在多个数据集上取得了最先进的结果,相对于当前基准提高了12.2%和14.12%。该方法消除了对细致的参数调整的需求,解决了可扩展性问题。