Cut Pursuit: fast algorithms to learn piecewise constant functions

Loic Landrieu 1, 2, 3, 4 Guillaume Obozinski 1, 2, 3
2 IMAGINE [Marne-la-Vallée]
LIGM - Laboratoire d'Informatique Gaspard-Monge, CSTB - Centre Scientifique et Technique du Bâtiment, ENPC - École des Ponts ParisTech
4 SIERRA - Statistical Machine Learning and Parsimony
DI-ENS - Département d'informatique de l'École normale supérieure, CNRS - Centre National de la Recherche Scientifique, Inria de Paris
Abstract : We propose working-set/greedy algorithms to efficiently find the solutions to convex optimization problems penalized respectively by the total variation and the Mumford Shah boundary size. Our algorithms exploit the piecewise constant structure of the level-sets of the solutions by recursively splitting them using graph cuts. We obtain significant speed up on images that can be approximated with few level-sets compared to state-of-the-art algorithms .
Type de document :
Communication dans un congrès
19th International Conference on Artificial Intelligence and Statistics (AISTATS 2016) , May 2016, Cadix, Spain. 〈http://www.aistats.org/〉
Liste complète des métadonnées

Littérature citée [4 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01306786
Contributeur : Loic Landrieu <>
Soumis le : lundi 25 avril 2016 - 15:17:40
Dernière modification le : jeudi 5 juillet 2018 - 14:25:25
Document(s) archivé(s) le : mardi 15 novembre 2016 - 11:45:10

Fichiers

aistat2016_landrieu.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01306786, version 1

Citation

Loic Landrieu, Guillaume Obozinski. Cut Pursuit: fast algorithms to learn piecewise constant functions. 19th International Conference on Artificial Intelligence and Statistics (AISTATS 2016) , May 2016, Cadix, Spain. 〈http://www.aistats.org/〉. 〈hal-01306786〉

Partager

Métriques

Consultations de la notice

440

Téléchargements de fichiers

283