2019/11/18
前言:
傳統的圖像分割和標記技術是在像素或者圖片區域上定義 CRF。雖然區域模型上通常有密集的成對連通性,但是像素級別的模型一般只允許用在稀疏圖結構,CRF 圖模型的邊非常多, 不能使用傳統方法,但用近似算法推斷全連接的 FC-CRF 模型,其中成對邊緣的勢能由高斯核的線性組合定義。
-----
# FC-CRF
-----
References
# FC-CRF
Krähenbühl, Philipp, and Vladlen Koltun. "Efficient inference in fully connected crfs with gaussian edge potentials." Advances in neural information processing systems. 2011.
http://papers.nips.cc/paper/4296-efficient-inference-in-fully-connected-crfs-with-gaussian-edge-potentials.pdf语义分割中 CRF 的运用 _ Mooyu's Blog
http://guoxs.github.io/Blog/2018/03/10/CRF/
FCN(3)——DenseCRF - 知乎
https://zhuanlan.zhihu.com/p/2246458
No comments:
Post a Comment
Note: Only a member of this blog may post a comment.