Key points are not available for this paper at this time.
우리는 각 픽셀이 한정된 라벨 집합 중 하나에 할당되는 이미지를 라벨링하기 위한 맥락적 특성을 포함하는 접근 방식을 제안합니다. 이 특성들은 여러 구성 요소의 출력을 결합하는 확률론적 프레임워크에 통합됩니다. 구성 요소는 인코딩하는 정보에 따라 다릅니다. 어떤 것은 이미지-라벨 매핑에 집중하고, 다른 것은 라벨 필드 내의 패턴에만 집중합니다. 구성 요소는 또한 존재하는 스케일이 다르며, 어떤 것은 미세 해상도 패턴에 초점을 맞추고 다른 것은 더 거친, 더 전반적인 구조에 중점을 둡니다. 감독 된 대조 발산 알고리즘의 버전을 적용하여 라벨이 붙은 이미지 데이터로부터 이러한 특성을 학습합니다. 우리는 두 개의 실제 이미지 데이터베이스에서의 성능을 보여주고 이를 분류기 및 마르코프 랜덤 필드와 비교합니다.
He et al. (Fri,)는 이 질문을 연구했습니다.