摘要 —— 主要是将CNN和概率图模型结合,来处理像素级分类问题,即语义图像分割. 由于CNN具有不变性,适合于 high-level 任务,如图像分类. 但CNN网络最后一层的输出不足以精确物体分割. 这里结合CNN最后输出层的特征与全连接CRF相结合,提升语义分割效果.
语义分割的目标——Goal:
将图像分割为不同的语义部分,并对不同部分进行分类.
主要是两部分:
好的分割结果:
差的分割结果:
[1] - Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs
[2] - Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs - slides
[3] - 深度学习轻松学-核心算法与视觉实践 - 第九章-应用:图像的语意分割