CRF分割后处理

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了CRF分割后处理相关的知识,希望对你有一定的参考价值。

参考技术A https://github.com/Gurupradeep/FCN-for-Semantic-Segmentation

在使用FCN进行预测时,我们独立于周围像素给每个像素贴上标签,这可能会导致粗分割。CRF接受两个输入,一个是原始图像,另一个是每个像素的预测概率。对于全连接的CRF模型,CRF使用了一种高效的推理算法,在任意特征空间中,两个边势由高斯核的线性组合定义。该算法在将类分配给特定像素的同时,也考虑了周围像素的影响,从而得到更好的语义分割结果。

https://blog.csdn.net/thesby/article/details/50969788

发现在蒙特卡洛的那篇论文里,也提到了用CRF做分割后处理,并且,还拿来做对比实验,结论当然是他们的方法比 CRF要好,不过CRF的图片看起来也不错,蒙特卡洛毕竟没开源,而且实时性也没有保证是,而CRF网上资料比较多,可以先试着CRF

2020.6.18 发现用CRF作分割后处理的一大把:

https://www.cnblogs.com/xiaoxiao9292/p/7612662.html

[4] Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials  

[5] Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs  

[6] Conditional Random Fields as Recurrent Neural Networks  

[7] DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution,

and Fully Connected CRFs

[8] Semantic Image Segmentation via Deep Parsing Network  

[9] Fast, Exact and Multi-Scale Inference for Semantic Image Segmentation with

Deep Gaussian CRFs

以上是关于CRF分割后处理的主要内容,如果未能解决你的问题,请参考以下文章

条件随机向量场CRF

CRF++ 或 CRFSuite

语义分割专题语义分割相关工作--Fully Convolutional DenseNet

NLP命名体识别bilstm+crf

CRF说清楚?

Android语义分割后处理太慢