再トレーニングなしで条件付きランダムフィールドのパラメータを更新する

Question

私は開発中のプロジェクトで、モバイルデバイス上のフォアグラウンドオブジェクトのセグメンテーションのアプリケーションに取り組んでいます。

セグメンテーションは決して完璧ではない可能性があるため、ユーザーは最初のセグメンテーション後に実際の領域を手動で調整できます。初期セグメント化は、事前に訓練された条件付きランダムフィールド（CRF）を使用して達成される。

また、最初の分割後にユーザーが前景領域を調整すると、再学習せずにCRFの重みパラメータを更新する必要があります。しかし、これを達成できるかどうかはわかりません。これを行う方法はありますか？論文？

Answer 1

グラフカットベースのモデルのようなものを使用している場合は、ユーザー定義領域に対応するハードシードが必要です。これらの領域では、単項式ポテンシャルを無限に設定し、CRF推論プロシージャを再度実行することができます。これにより、体重を変更したり、CRFを再トレーニングする必要はありません。