一、图像分割中,对于CRF的一些理解
1.文献[1] 是比较经典的结合DCNN 和全连接CRF的一篇工作,其中的势能函数,如下式(1),来源于nips11[3],
(1)
第二项中的成对势能函数的计算利用了量中核函数,如式(2)所示,
(2)
其中第一个核函数考虑了像素的位置 和和颜色强度值 ,第二个核函数只考虑了像素的位置 。
2. Deeplabv3 [4]
- 分析空洞卷积(Atrous Convolution。
- 提出空洞空间金字塔池化(Atrous Spatial Pyramid Pooling),其特点是并行使用多种不同空洞率的卷积来提取特征,如图1所示。
[1] SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED CRFS[iclr2015] https://arxiv.org/abs/1412.7062
[2]Random Field Model for Integration of Local Information and Global Information [pami2008]
[3]Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials
[4]Rethinking Atrous Convolution for Semantic Image Segmentation [DeepLabv3]