论文部分内容阅读
特征空间分析是众多计算机视觉任务中的主要模块,均值漂移作为一种稳健的非参数特征空间分析方法,越来越得到广泛的应用,但对于高维特征空间该方法计算量相当大,甚至难以在实际中采用。因此,提出了一种基于近似最近邻搜索的自适应均值漂移方法ANNMS,大大减少了迭代计算量,不受特征维数限制,且能自适应确定核函数的带宽。通过图像分割实验,得到比标准均值漂移方法更精细的结果,且速度更快。