图像语义分割方法

标签：图片   idt   不同   height   趋势   学习   深度   https   距离   

语义分割的基本结构如下，通过一个分割模型确定基本结果，再通过CRF等进行优化输出。

后面优化的模型有以下几种：

全连接条件随机场(DenseCRF)

CRFasRNN

马尔科夫随机场(MRF)

高斯条件随机场(G-CRF)

后面的概率模型中存在二元势函数，

二元势函数就是描述像素点与像素点之间的关系，鼓励相似像素分配相同的标签，而相差较大的像素分配不同标签，

而这个“距离”的定义与颜色值和实际相对距离有关。所以这样CRF能够使图片尽量在边界处分割。

深度学习+概率图模型是一种趋势。深度学习进行特征提取，概率模型从数学方面很好的解释事物间的联系。

 参考自：https://zhuanlan.zhihu.com/p/22308032

图像语义分割方法

标签：图片   idt   不同   height   趋势   学习   深度   https   距离   

原文地址：https://www.cnblogs.com/ywheunji/p/10437794.html