fcn后,利用crf修饰分割所得的图像边缘
来源:互联网 发布:中世纪纪录片知乎 编辑:程序博客网 时间:2024/06/11 05:17
参考博文链接:http://blog.csdn.net/u012759136/article/details/52434826
其实crf主要就是,根据原图image(5割通道的信息,包括RGB和坐标位置 x y)和 图像跑过fcn模型后所得到softmax(具有概率分布的),这两个数据进行再一次的像素点分类。
比如image的尺寸是 mxn,且这里是一个图像二分割问题(就比如最简单的目标和背景的分割),那么每个像素点就有两种可能的归宿---目标/背景(0/1)。所以,softmax的维度则是2xmxn。接下来,crf就是根据image提供的5通道信息,在rgb值和像素点的空间位置两个方向上对现有的softmax进行重新调整,重新分配像素点的0/1归属。
crf认为,空间位置上,距离很近的像素点该是分为同一类的,rgb上也是一样。所有会给予一些惩罚值和一些能量项。这个就得具体研究crf的资料了,李航老师的《统计学习方法》就讲的很详细了。
嗯,以上,有了新想法再来补充,欢迎指正!~
阅读全文
1 0
- fcn后,利用crf修饰分割所得的图像边缘
- 图像语义分割之FCN和CRF
- 图像语义分割之FCN和CRF
- 图像语义分割之FCN和CRF
- 图像语义分割之FCN和CRF
- 图像语义分割之FCN和CRF
- 图像语义分割之FCN和CRF
- 图像语义分割之FCN和CRF
- 图像语义分割之FCN和CRF
- 图像语义分割之FCN和CRF
- Recorder︱图像语义分割(FCN、CRF、MRF)、论文延伸(Pixel Objectness、)
- 图像语义分割,全卷积网络FCN和条件随机场CRF、马尔可夫随机场MRF
- FCN图像语义分割
- 图像分割与FCN
- 图像分割之FCN
- 图像分割与FCN
- CRF做图像语义分割的资源
- FCN(全卷积神经网络)+CRF+分割图
- vim 的一般模式
- 解决Eclipse部署Web项目在Tomcat Webapps 目录中找不到
- 用会 MySQL LIMIT
- Redis的哨兵模式
- tp3.2切换数据库
- fcn后,利用crf修饰分割所得的图像边缘
- Redis学习-3.5:Sorted-Set详解
- Android Studio获取开发版SHA1值和发布版SHA1值的史上最详细方法
- id下一篇上一篇
- php 处理含中文年月日日期转时间戳(例如2017年11月08号转时间戳)
- error RC2108: expected numerical dialog constant
- C#随机函数
- 啥时候派发你知道吗?
- 树的子结构