论文部分内容阅读
传统的图像分割方法仅考虑图像的颜色、纹理、位置等底层数据特征,对复杂的人脸图像无法达到理想的分割效果.针对此问题,提出一种基于条件深度玻尔兹曼机的人脸图像分割模型,该模型能够通过深度玻尔兹曼机模型提取类别空间的结构相关性,从而发现复杂输出类别间的关系,为人脸图像分割提供形状先验信息,进而提高图像分割的准确性.文中使用Part Labels人脸数据集进行实验验证,结果表明与传统的逻辑回归、条件随机场、条件受限玻尔兹曼机模型相比,由于本文提出的模型考虑了输出空间结构的高阶相关性,所以能够取得更好的分割效果.