fcn
文章平均质量分 88
Alanyannick
Computer Vision, Machine learning, Artificial intelligence.
展开
-
FCN/MRF图像语义分割与马克尔夫随机场
参考自知乎作者:困兽 链接:https://zhuanlan.zhihu.com/p/22308032前言 (呕血制作啊!)前几天刚好做了个图像语义分割的汇报,把最近看的论文和一些想法讲了一下。所以今天就把它总结成文章啦,方便大家一起讨论讨论。本文只是展示了一些比较经典和自己觉得比较不错的结构,毕竟这方面还是有挺多的结构方法了。介绍 图像语义分割,简单而言就是给定一张图片,对图转载 2016-09-26 14:15:24 · 7274 阅读 · 0 评论 -
马尔科夫随机场MRF的思考
Markov Random Fields(MRF)是undirected graph的概率表示,下面说说它在computer vision中的应用。MRF应用在视觉中,相当于一个Labeling问题,更具体点,是通过MAP inference来确定图中每个节点的label。MRF相比其他方法的优势是:1)提供了一种principled method来对Prior kno转载 2016-09-29 18:00:33 · 1606 阅读 · 0 评论 -
MRF马尔科夫随机场详解-PGM系列
转自:http://blog.csdn.net/polly_yang/article/details/9716591 在机器视觉领域,一个图像分析问题通常被定义为建模问题,图像分析的过程就是从计算的观点来求解模型的过程。一个模型除了可以表达成图形的形式外,通常使用一个目标函数来表示,因此建模的过程就是定义目标函数的过程,模型求解的过程也就是利用各种优化工具或者知识来解目标函转载 2016-09-29 17:56:24 · 10974 阅读 · 0 评论 -
深度学习tracking学习笔记(1):Visual Tracking with Fully Convolutional Networks
reference:http://blog.csdn.net/carrierlxksuper/article/details/48918297两个属性1)不同层上的CNN特征可以针对不同的tracking问题。越top层的特征越抽象,并且具有语义信息。这些特征的优势在于区分不同类别,同时对于形变和遮挡robust(下图a)。但是他们的缺点是无法区别类内的物体,比如不同人(下转载 2016-06-23 00:06:50 · 6246 阅读 · 3 评论 -
RCNN学习笔记(8):Fully Convolutional Networks for Semantic Segmentation(全卷积网络FCN)
论文阅读笔记:Fully Convolutional Networks forSemantic Segmentation这是CVPR 2015拿到best paper候选的论文。论文下载地址:Fully Convolutional Networks forSemantic Segmentation转载 2016-04-26 02:34:13 · 17738 阅读 · 1 评论