更新條件隨機字段的參數而不需要重新訓練

我正在開發一個項目，我們正在開發一個項目，並在移動設備上分割前景對象。更新條件隨機字段的參數而不需要重新訓練

由於分割永遠不會完美，因此我們允許用戶在初始分割後手動調整真實區域。初始分割使用預先訓練的條件隨機場（CRF）來實現。

我們想做的更進一步的是，一旦用戶在初始分割後調整前景區域，我們想要更新CRF的權重參數而無需重新訓練。但是我們不確定我們是否可以實現這一目標？有沒有辦法做到這一點？文件？

2016-04-03 kcc__

如果您使用的是類似基於圖切割的模型，您只需要擁有一些與用戶定義區域相對應的硬種子。對於這些地區，您可以將一元潛力設置爲無限並再次運行您的CRF推理過程。這不需要改變權重或重新培訓CRF。

2016-04-03 15:41:52 Bharat

對不起，請您解釋一下您的答案。你說我可以將一元勢能設置爲無窮大並運行CRF，這是否意味着只使用平滑項來實現能量最小化？此外，我希望模型在用戶更新區域時學習權重，以便將來可以用最少的用戶交互來分割相似的對象。因此，如果我不更改權重，那意味着CRF不是在學習對嗎？ –

我在這段時間做了一些工作，在那裏我們更新種子，並且隨着更多種子被添加（這甚至可以是由用戶選擇的點），單變量潛力改變。你可以看看第3.2節，http://www.cs.umd.edu/~bharat/accv2014finalpaper.pdf – Bharat

謝謝我會看看你的論文。只有一個問題，正如你上面提到的將單項術語設置爲無限術語，這只是在開始時，我認爲隨後系統將根據人類種子優化參數。它是否正確？ –

回答