在不重新训练的情况下更新条件随机场的参数

我正在进行一个项目,我们正在开发一个用于在移动设备上分割前景对象的应用程序。

由于分割不可能完美,我们允许用户在初始分割后手动调整真实区域。初始分割是通过预训练的条件随机场(CRF)实现的。

我们进一步希望在用户调整初始分割后的前景区域后,能够在不重新训练的情况下更新CRF的权重参数。然而,我们不确定这是否可行?有什么方法可以做到这一点吗?有相关的论文吗?


回答:

如果你使用的是基于图割的模型,你只需要一些硬种子,这些种子对应于用户定义的区域。对于这些区域,你可以将一元势设置为无限,然后再次运行你的CRF推理程序。这不需要更改权重或重新训练CRF。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注