![](/img/trans.png)
[英]Random walker algorithm how a gray-level image can be 3D?
[英]How to make the labels of superpixels to be locally consistent in a gray-level map?
我對平滑局部標簽很感興趣,但不想像某些同事建議的那樣應用高斯平滑函數或其他方法。
為什么是這樣? 為什么您不考慮同事的有用建議,這實際上是對的 。 應用平滑功能是最合理的方法。
我也聽說過條件隨機場(CRF)。 有幫助嗎?
這也表明,您應該選擇同事的建議,因為CRF與您的問題無關。 CRF是精確的分類器,是序列分類器,它需要標記的示例進行學習,並且與給出的設置無關。
有哪些典型方法?
讓我們假設你有百分點值{(x_i, y_i)}_{i=1}^N
和n(x)
返回的相鄰點的指數x
。
因此,您試圖找到{a_i}_{i=1}^N
,以使它們最小化
SUM_{i=1}^N (y_i - a_i)^2 + C * SUM_{i=1}^N SUM_{j \in n(x_i)} (a_i - a_j)^2
------------------------- - --------------------------------------------
closeness to current constant to closeness to neighbouring values
values weight each part
您可以使用多種技術來解決上述優化問題,例如通過scipy.optimize.minimize
模塊。
我不確定您的要求是否有意義。
對於附近的超像素具有接近的標簽值是不重要的:采用(X,Y)的一些平滑函數,例如常數或仿射,采用[0,1]范圍內的值,並將函數值分配給以(X為中心的超像素,Y)。
您還可以從平面上的任意點獲取距離函數。
但這沒有用,因為它與圖像內容無關。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.