deep-learning - 语义分割中的条件随机场

Question

CRF（条件随机场）是否仍在语义分割任务中积极使用，或者当前的深度神经网络是否使它们变得不必要？我已经在学术论文中看到了这两个答案，并且由于实施和推断似乎相当复杂，因此我想在尝试之前对它们发表意见。

谢谢

标签： deep-learningcrfsemantic-segmentation

Answer 1

CRF 仍然与 DNN 一起用于图像标记和语义图像分割任务。事实上，CRFs 和 DNNs 并不是自我排除技术，最近的许多出版物都使用了这两种技术。

CRFs 基于概率图模型，其中图节点和边表示随机变量，用势函数初始化。DNN 可以用作这样的势函数：

• 条件随机场满足语义分割的深度神经网络
• 作为递归神经网络的条件随机场
• 使用深度神经网络进行脑肿瘤分割（未来工作部分）

DCNN 可用于特征提取过程，这是应用 CRF 的重要步骤：

• 使用条件随机场和深度卷积神经网络进行环境微生物分类
• 高光谱图像分割的条件随机场和深度特征学习

还有一些工具包，结合了 CRF 和 DNN：

• 直接图形模型 C++ 库