-
完全连接的CRF在双线性插值后应用于网络输出上。
-
CRF是一个后阶段的处理过程,它使DeepLabv1和DeepLabv2变为不是端到端的学习框架。不在DeepLabv3和DeepLabv3 +中被弃用。
-
输入的是原图和mask,对输出结果做一个融合微调,使得分割结果更精准。
-
CRF能够稳定提效,但是极其耗时。只有完全不考虑实效性的刷版才会使用到。
-
要用的话,推荐用全连接条件随机场(DenseCRF)。
完全连接的CRF在双线性插值后应用于网络输出上。
CRF是一个后阶段的处理过程,它使DeepLabv1和DeepLabv2变为不是端到端的学习框架。不在DeepLabv3和DeepLabv3 +中被弃用。
输入的是原图和mask,对输出结果做一个融合微调,使得分割结果更精准。
CRF能够稳定提效,但是极其耗时。只有完全不考虑实效性的刷版才会使用到。
要用的话,推荐用全连接条件随机场(DenseCRF)。