我正在进行一个项目，试图使用上下文无关语法来解析图像。我们的目标是构建图像段的树结构，然后使用机器学习和这些视觉语法来解析图像。
我找到了SVM-CFG，它看起来非常理想，但问题在于它是为字符串解析设计的，其中字符串中的每个终结符最多有两个邻居（前后的单词）。在我们的视觉语法中，每个段可以与任意数量的其他段相邻。
解析这些视觉语法的最佳方法是什么？具体来说，我能否将我的数据编码以使用SVM-CFG？还是我需要编写自己的内核/解析库？
回答：
SVM-CFG是SVM-struct中使用的切割平面优化算法的一个特定实现（描述见此处 http://www.cs.cornell.edu/People/tj/publications/tsochantaridis_etal_04a.pdf，第4节）。
在每一步，切割平面算法都会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，这是得分最高的解析）。
对于一维字符串，SVM-CFG运行动态规划算法以多项式时间找到得分最高的解析。
你可以扩展SVM-struct以返回图像的得分最高的解析，但没有多项式时间算法可以做到这一点！
这里有一个解析图像的最新技术的参考：http://www.socher.org/uploads/Main/SocherLinNgManning_ICML2011.pdf。他们在寻找图像分割的得分最高解析时遇到了同样的问题，因此他们使用贪婪算法来寻找近似解（见第4.2节）。你或许可以将类似的贪婪算法整合到SVM-struct中。
