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

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 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。

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

• Conditional Random Fields Meet Deep Neural Networks for Semantic Segmentation
• Conditional Random Fields as Recurrent Neural Networks
• Brain Tumor Segmentation with Deep Neural Network（未来工作组）

DCNN 可用于特征提取过程，这是应用 CRF 的必要步骤：

• Environmental Microorganism Classification Using Conditional Random Fields and Deep Convolutional Neural Networks
• Conditional Random Field and Deep Feature Learning for Hyperspectral Image Segmentation

还有工具包，结合了 CRF 和 DNN：

• Direct graphical models C++ library