语义分割中的条件随机场

Question

CRF（条件随机场）是否仍在积极地用于语义分割任务中？或者当前的深度神经网络是否使它们不必要？ 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很复杂，因此我想在尝试之前对它们有意见。

谢谢

Answer 1

CRF仍然与DNN一起用于图像标记和语义图像分割的任务。实际上，CRF和DNN并不是自我排斥的技术，最近的许多出版物都同时使用了这两种技术。

CRF基于概率图形模型，其中图节点和边表示随机变量，并使用势函数进行了初始化。 DNN可以用作这样的潜在函数：

• BTreeRow
• Conditional Random Fields Meet Deep Neural Networks for Semantic Segmentation
• Conditional Random Fields as Recurrent Neural Networks（未来工作部分）

DCNN可用于特征提取过程，这是应用CRF的必要步骤：

• Brain Tumor Segmentation with Deep Neural Network
• Environmental Microorganism Classification Using Conditional Random Fields and Deep Convolutional Neural Networks

还有一些工具包，结合了CRF和DNN：

• Conditional Random Field and Deep Feature Learning for Hyperspectral Image Segmentation