![dbb121017d41d1ad944458cece11848b.png](https://img-blog.csdnimg.cn/img_convert/dbb121017d41d1ad944458cece11848b.png)
第一部分:
飘哥:学习图像场景解析的理论和应用(一)场景解析研究方向的分类zhuanlan.zhihu.com![2257634acd176bd3a37349fa724a2dec.png](https://img-blog.csdnimg.cn/img_convert/2257634acd176bd3a37349fa724a2dec.png)
本文是《学习图像场景解析的理论和应用(二)场景分析的经典算法进行分析》的第一部分。
虽然在当前深度学习方法已经有了很大的发展,并且在一些方面也证明了它的强大,但是深度学习也有有它的局限性, 如需要大量的标注样本,我们可以把经典算法和深度学习作为互相补充,无论是在深度学习之前的数据处理和深度学习之后的数据处理,可以帮助深度学习提高性能,所以还是有必要对经典算法分析,帮助我们提高工作效率。 主要介绍:
- 图像分割方法gPb---OWT---UCM
- 超像素方法SLIC
- 交互式分割方法grabcut,随机步
- 物体轮廓提取的蛇形算法
- 场景解析涉及到的搭积木式的概率最大问题和条件随机场及其优化
经典算法分析-图像分割方法gPb-OWT-UCM
2011年uc berkeley的jitendra mali