【北郵魯鵬老師計算機(jī)視覺課程筆記】09 Segmentation 分割
1 過分割與欠分割
找一個合適的分割方法
過分割：分割得太細(xì)
自底向上的方法
無監(jiān)督的
自底向上：基于像素的
自頂向下：從語義的角度
2 人是如何感知世界的
人會感覺下面的線比上面的線長
人的感知：先感知部件，然后理解組合后的整體語義
3 分割思路
臨近的、顏色相似的、形狀相似的、同向的、平行的、對稱的、連續(xù)的、封閉的
電梯上的樓層按鍵
4 把分割建模成聚類任務(wù)
將像素點(diǎn)投影到RGB三維空間
k-means聚類
中圖：基于灰度的聚類
右圖：基于RGB圖的聚類
缺陷：不能區(qū)分實例
5 語義分割、實例分割
實例分割：不僅要知道是辣椒類、而且要知道是哪個辣椒上的
實例的最大差異在空間上
6 k-means算法
在特征空間中尋找密集的中心
統(tǒng)計區(qū)域內(nèi)所有點(diǎn)的重心
把藍(lán)色框移動到重心上，均值漂移
一致的時候漂移結(jié)束
6 mean-shift clustering
確定有多少個密度中心
不需要假定球形聚類
維度災(zāi)難、高維空間計算困難
7 基于圖的分割
分割的目標(biāo)就是刪除連接的邊
刪除相似度小的邊
刪除的邊的相似度之和最小
定義相似性
8 歸一化的圖分割
w
(
A
,
B
)
w(A,B)
w(A,B)是
A
、
B
A、B
A、B集合的全部聯(lián)系權(quán)重，最小分割是希望
w
(
A
,
B
)
w(A,B)
w(A,B)，但是容易要么分割A(yù)，要么分割B
避免分割得過小，不鼓勵只有一條邊的情況
w
(
A
,
B
)
w
(
A
,
V
)
\frac{w(A,B)}{w(A,V)}
w(A,V)w(A,B)?
w
(
A
,
V
)
w(A,V)
w(A,V)是A與其他全部頂點(diǎn)的連接，A的像素越多，這個值就越大，分?jǐn)?shù)就越小。如果只把A或者B切割成一個像素，那么
w
(
A
,
V
)
w(A,V)
w(A,V)或者
w
(
A
,
B
)
w(A,B)
w(A,B)就會很小，分?jǐn)?shù)就變大，這不是預(yù)期的
W是相似度矩陣，是一個對稱矩陣
D是一個對角陣，第i個位置表示W(wǎng)第i列的和文章來源：http://www.zghlxwxcb.cn/news/detail-826031.html
文章來源地址http://www.zghlxwxcb.cn/news/detail-826031.html
到了這里，關(guān)于【北郵魯鵬老師計算機(jī)視覺課程筆記】09 Segmentation 分割的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
![計算機(jī)視覺與深度學(xué)習(xí)-卷積神經(jīng)網(wǎng)絡(luò)-卷積&圖像去噪&邊緣提取-圖像去噪 [北郵魯鵬]](https://imgs.yssmx.com/Uploads/2024/02/732098-1.png)
![計算機(jī)視覺與深度學(xué)習(xí)-全連接神經(jīng)網(wǎng)絡(luò)-詳解梯度下降從BGD到ADAM - [北郵魯鵬]](https://imgs.yssmx.com/Uploads/2024/02/732482-1.gif)
![計算機(jī)視覺與深度學(xué)習(xí)-全連接神經(jīng)網(wǎng)絡(luò)-訓(xùn)練過程-欠擬合、過擬合和Dropout- [北郵魯鵬]](https://imgs.yssmx.com/Uploads/2024/02/732361-1.png)
