Dec, 2023

基于人类感知的谷物分割细化使用条件随机场

PDF
TL;DR本文介绍了一种基于条件随机场和感知组织规则的快速、高保真度的后处理技术，针对多晶材料显微结构中的颗粒边界等互联线网络的准确分割提出了一种解决方案，改善了分割蒙版的准确性，并引入了一种新的颗粒对齐度量标准，提供了更详细的复杂微结构分割性能评估，从而使得数据分析的统计表征更准确，适用于需要精确分割互联线网络的多个学科领域。
segmentationline networksgrain boundariespost-processingmicrostructures
发现论文，激发创造
  • 利用机器学习技术在真实和生成数据集上对谷物和晶界进行分割

    本文使用卷积神经网络（CNN）对真实数据和合成数据组合进行了训练，提高了晶界分割的准确性，为粉末冶金过程中的晶界分析提供了新的方法。

    Jul, 2023

  • 条件随机场作为循环神经网络

    介绍了一种名为 CRF-RNN 的新型卷积神经网络，该网络将卷积神经网络（CNN）和基于 CRFs 的概率图建模相结合，用于语义图像分割任务，结果在 Pascal VOC 2012 分割基准测试上获得了最好的结果。

    Feb, 2015

  • 使用深度学习和多模态显微镜在 347H 不锈钢中自动分割晶界并进行显微结构分析

    本文利用卷积神经网络技术进行微观组织中晶界的检测，结合不同仪器下的多模式显微镜技术生成像素级标签，提高了检测精度，并且通过引入拓扑信息，得到了更好的分割性能和晶粒形貌分布预测。

    May, 2023

  • 使用基于超像素的 CNN 和 CRF 模型实现高效细粒度道路分割

    本文提出了一种使用 CNN 和 CRF 相结合的方法进行道路场景分割，采用超像素为 CNN 的输入基础，使计算效率更高，在保持较快运行速度的同时，在 KITTI 路标准测试中取得了可比拟的性能，适合于实时应用

    Jun, 2022

  • 利用掩码 R-CNN 的超高分辨率图像自动地籍边界检测

    通过使用深度学习、几何后处理方法和基于实例分割的 Mask R-CNN 模型来改进自动宗地绘制检测质量，其中关键方法是引入基于口袋的简化算法，实验结果表明该方法优于 Douglas-Puecker 算法。

    Aug, 2023

  • 深度神经网络中的高阶条件随机场

    该研究通过在深度网络中嵌入结构化的 CRF，将包含目标检测和超像素等等高级潜在因素的方法应用于语义分割任务中，实现了 PASCAL VOC 基准上最佳分割性能。

    Nov, 2015

  • 深度卷积网络与全连接 CRF 的语义图像分割

    该研究论文结合深度卷积神经网络和概率图模型的方法来解决像素级分类（语义图像分割）任务中深层网络往往无法精确定位目标分割的问题，并通过将深层网络的响应与全连接条件随机场相结合，提出了一种 DeepLab 系统。定量实验表明，该方法在 PASCAL VOC-2012 语义图像分割任务中，IOU 精度可达 71.6％。

    Dec, 2014

  • 具有条件核的概率图注意力网络用于逐像素预测

    本研究提出了一种新的方法，即基于概率图注意力网络结构和依赖特征的条件核，在理论上合理地学习和融合多尺度特征，并用于像素级预测，实验结果表明其有效性。

    Jan, 2021

  • 基于深度高斯条件随机场的语义图像分割快速、准确、多尺度推理

    本文提出了一种结构化预测技术，其将高斯条件随机场与深度学习相结合，能够在保证唯一全局最优解的同时，使用精简的闭式表达式计算模型参数的梯度。通过在语义分割任务中引入多分辨率结构化优化框架，该系统在 PASCAL 2012 图像分割基准上显示出明显的改进。

    Mar, 2016

  • 嵌入式条件随机场用于语义分割中边界引起的类别权重混淆

    本文提出了一种名为 Embedded Conditional Random Field (E-CRF) 的方法，通过将 CRF 与 CNN 网络有机融合来更有效地进行端到端优化，从而解决分割模型中类别权重的问题，特别关注的是由于邻接边界像素共享而导致的类别权重混淆问题。方法中利用了 CRF 引导了高层特征之间的信息传递，利用相同对象内像素来净化边界像素的特征表示，并且在反向传播期间优化类别权重。实验结果在 ADE20K、Cityscapes 和 Pascal Context 数据集上表现出了令人瞩目的效果。

    Dec, 2021