【北邮鲁鹏老师计算机视觉课程笔记】09 Segmentation 分割
1 过分割与欠分割
找一个合适的分割方法
过分割：分割得太细
自底向上的方法
无监督的
自底向上：基于像素的
自顶向下：从语义的角度
2 人是如何感知世界的
人会感觉下面的线比上面的线长
人的感知：先感知部件，然后理解组合后的整体语义
3 分割思路
临近的、颜色相似的、形状相似的、同向的、平行的、对称的、连续的、封闭的
电梯上的楼层按键
4 把分割建模成聚类任务
将像素点投影到RGB三维空间
k-means聚类
中图：基于灰度的聚类
右图：基于RGB图的聚类
缺陷：不能区分实例
5 语义分割、实例分割
实例分割：不仅要知道是辣椒类、而且要知道是哪个辣椒上的
实例的最大差异在空间上
6 k-means算法
在特征空间中寻找密集的中心
统计区域内所有点的重心
把蓝色框移动到重心上，均值漂移
一致的时候漂移结束
6 mean-shift clustering
确定有多少个密度中心
不需要假定球形聚类
维度灾难、高维空间计算困难
7 基于图的分割
分割的目标就是删除连接的边
删除相似度小的边
删除的边的相似度之和最小
定义相似性
8 归一化的图分割
w
(
A
,
B
)
w(A,B)
w(A,B)是
A
、
B
A、B
A、B集合的全部联系权重，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，要么分割B
避免分割得过小，不鼓励只有一条边的情况
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与其他全部顶点的连接，A的像素越多，这个值就越大，分数就越小。如果只把A或者B切割成一个像素，那么
w
(
A
,
V
)
w(A,V)
w(A,V)或者
w
(
A
,
B
)
w(A,B)
w(A,B)就会很小，分数就变大，这不是预期的
W是相似度矩阵，是一个对称矩阵
D是一个对角阵，第i个位置表示W第i列的和文章来源：https://www.toymoban.com/news/detail-826031.html
文章来源地址https://www.toymoban.com/news/detail-826031.html
到了这里，关于【北邮鲁鹏老师计算机视觉课程笔记】09 Segmentation 分割的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![计算机视觉与深度学习-卷积神经网络-卷积&图像去噪&边缘提取-图像去噪 [北邮鲁鹏]](https://imgs.yssmx.com/Uploads/2024/02/732098-1.png)
![计算机视觉与深度学习-全连接神经网络-详解梯度下降从BGD到ADAM - [北邮鲁鹏]](https://imgs.yssmx.com/Uploads/2024/02/732482-1.gif)
![计算机视觉与深度学习-全连接神经网络-训练过程-欠拟合、过拟合和Dropout- [北邮鲁鹏]](https://imgs.yssmx.com/Uploads/2024/02/732361-1.png)
