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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注