Image Segmentation by Correlation CLustering流程详解

图像分割相关聚类使用的库包括：VLFeat的SLIC超像素。训练代码的结构如下：

1. superPixel.m - 初始超像素生成代码。

2. construct_superPixelGraph.m - 从超像素构建成对超像素图。

3. featureExtraction.m - 提取图中相邻超像素之间的成对特征。

4. ground_truth_by_maximum_consesus.m - 由于BSD（伯克利数据集）为每个图像提供了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。

5. assign_label_to_edges.m - 使用ground truth，构造图的边被标记为+1或-1。

6. train_classifier.m - 对于提取的特征和分配给边缘的标签，训练SVM。

7. retrain_classifier.m - 用硬负样本重新训练。

在整个流程中，超像素的生成、图构建、特征提取、标签分配及训练再到重训练形成了一套完整的分割和训练体系。