【文件属性】：
文件名称：Image-Segmentation-by-Correlation-Clustering:这是我们为石溪大学计算机视觉课程所做的项目。 这是一种基于学习的方法，不必从一开始就指定集群的数量。 通过相关聚类的图像分割给了我们非常好的结果，边界位移误差低至 4.85，而“图像分割的高阶相关聚类”工作中的边界位移误差为 10.81
文件大小：40KB
文件格式：ZIP
更新时间：2021-07-05 20:59:01
MATLAB
图像分割相关聚类
图书馆使用了 VLFeat 的 SLIC 超像素，SVM 训练
代码结构
2.1 训练文件 superPixel.m 初始超像素生成代码construct_superPixelGraph.m 从超像素构建成对超像素图。 featureExtraction.m 提取图中相邻超像素之间的成对特征。 ground_truth_by_maximum_consesus.m 由于 BSD（伯克利数据）给出了每个图像的多个主题的真实分割，我们通过对图像的每个分割采取最大共识来形成单个真实图像。 assign_label_to_edges.m 使用ground truth，构造图的边被标记+1或1 train_classifier.m 对于提取的特征和分配给边的标签，训练SVM retrain_classifier.m 用硬负样本重新训练 color_segments.m用于为图像中的片
【文件预览】：
Image-Segmentation-by-Correlation-Clustering-master
----order2_files()
--------construct_superPixelGraph_order2.m(2KB)
--------assign_label_to_edges_order2.m(1KB)
--------superpixels_order2.m(1KB)
--------featureExtraction_lab.m(3KB)
----order4_files()
--------construct_superPixelGraph_order4.m(2KB)
--------assign_label_to_edges_order4.m(1KB)
--------superpixels_order4.m(1KB)
--------featureExtraction_lab.m(3KB)
----README.md(2KB)
----order3_files()
--------assign_label_to_edges_order3.m(1KB)
--------superpixels_order3.m(1KB)
--------assign_label_to_edges_order2.m~(1KB)
--------construct_superPixelGraph_order3.m(2KB)
--------featureExtraction_lab.m(3KB)
----License.md(1KB)
----correlation_clustering.py(4KB)
----superPixel.m(2KB)
----compare_image_boundary_error.m(2KB)
----featureExtraction.m(4KB)
----order6_files()
--------assign_label_to_edges_order6.m(1KB)
--------superpixels_order6.m(1KB)
--------construct_superPixelGraph_order6.m(2KB)
--------featureExtraction_lab.m(3KB)
----order5_files()
--------superpixels_order5.m(1KB)
--------featureExtraction_lab.m(3KB)
--------construct_superPixelGraph_order5.m(2KB)
--------assign_label_to_edges_order5.m(1KB)
----order7_files()
--------assign_label_to_edges_order7.m(1KB)
--------superpixels_order7.m(1KB)
--------construct_superPixelGraph_order7.m(2KB)
--------featureExtraction_lab.m(3KB)
----assign_label_to_edges.m(1KB)
----color_segments.m(535B)
----train_classifier.m(375B)
----ground_truth_by_maximum_consesus.m(921B)
----compare_segmentations.m(5KB)
----construct_superPixelGraph.m(2KB)
----order1_files()
--------superpixels_order1.m(1KB)
--------assign_label_to_edges_order1.m(1KB)
----retrain_classifier.m(2KB)