极市直播 | 第 20 期-申发龙:关于语义图像分割-FCN 和 Guidance CRF

技术直播 Admin ⋅ 于 2个月前 ⋅ 758 阅读

| 极视角线上分享 第20期 | 2017年9月22日

语义图像分割是对图像像素级别的理解,是计算机视觉领域的一个长期主要研究问题,在自动驾驶,机器人控制和三维重建等需要场景语义分析的领域具有重要作用。本期我们邀请到了来自北京大学的博士生,近期发表CVPR2017论文的申发龙来为我们分享语义图像分割的相关内容。

分享主题

关于语义图像分割: FCN和Guidance CRF

分享嘉宾

申发龙 (北京大学信息科学技术学院博士生,研究方向为语义图像分割)

申发龙,北京大学信息科学技术学院博士生,研究方向为语义图像分割。在CVPR2017的论文《Semantic Segmentation via Structured Patch Prediction, Context CRF and Guidance CRF》里介绍了FCN和Guidance CRF结合来处理语义图像分割问题。Github链接:https://github.com/FalongShen/SegModel

关于分享

➤分享背景

语义图像分割是对图像像素级别的理解,是计算机视觉领域的一个长期主要研究问题,在自动驾驶,机器人控制和三维重建等需要场景语义分析的领域具有重要作用。嘉宾首先简要回顾了深度学习以来比较重要的图像分割论文,然后主要介绍了基于卷积神经网络和图模型的图像分割。

➤分享内容

关于图像分割研究几个常用的数据集
--Pascal VOC 2012,Cityscapes,MIT scene parsing

深度学习时代的图像分割发展:这几年图像分割研究员干了些什么
--FCN,deeplab

FCN应用于图像分割的局限性与图模型的引入
--结构化预测

--概率和频率的二义性

--物体或者场景边缘的确定

基于Guidance CRF的图像分割
--保边滤波

--CRF中的message passing step

语义图像分割的未来发展

部分分享PPT

file

file

file

file

file

PPT下载

【极市】第20期-申发龙-关于语义图像分割FCN和Guidance CRF

往期回顾

极视角致力于打造最专业的的视觉算法开发与分发平台极市,特邀请行业内专业人员每周为大家分享视觉领域内的干货及经验,往期在线分享查看:

极市计算机视觉技术分享集锦


file
△ 扫一扫关注 极市平台
每天推送最新CV干货

微信公众号: 极市平台(ID: extrememart )
每天推送最新CV干货

成为第一个点赞的人吧 :bowtie:
回复数量: 0
暂无回复~
您需要登陆以后才能留下评论!