Методика обучения бинарных классификаторов в задачах сегментации изображений

Сегментация кожи человека на изображении широко применяется в качестве алгоритмов компьютерного зрения. Наиболее распространенным подходом к повышению качества сегментации кожи является обучение бинарного классификатора, отделяющего цвета кожи человека от цветов фона. В работе рассмотрена проблема обучения бинарных классификаторов. Предложен новый метод получения обучающей выборки с унификацией цветов на каждом изображении. Построена сглаженная ROC-кривая. Даны рекомендации по подготовке тестовой выборки для правильного сравнения бинарных классификаторов. С использованием предложенного метода проведено обучение классификаторов Гаусса и Байеса. Представлены результаты тестирования и сравнения полученных классификаторов. Показано, что рассмотренный метод может улучшить качество сегментации кожи до 4 % по метрике TPR и до 10 % по метрике FPR. Классификатор Байеса, обученный согласно предложенному методу, обеспечивает наилучшие результаты сегментации среди всех рассмотренных классификаторов.
Дмитрий Викторович Воротнёв
АО НПЦ «ЭЛВИС», г. Москва, Россия
Роман Вячеславович Голованов
АО НПЦ «ЭЛВИС», г. Москва, Россия; Национальный исследовательский университет «МИЭТ», г. Москва, Россия
Поделиться