作者:禅与计算机程序设计艺术
1.简介
在现代计算机视觉、图像处理等领域,传统基于人工神经网络(ANN)的方法已经无法取得很好的效果,所以出现了很多改进的方法,如深度学习方法(CNN、RNN),最大熵模型(ME),条件随机场(CRF),还有其它的神经网络结构,如密集连接网络(DenseNet)。这些方法通过对数据的学习,得到特征表示并进行预测或分类,有效地提高了模型的性能。而条件随机场(Conditional Random Fields,CRF)是一种用于对变量之间的关系建模的概率图模型,它能同时处理状态空间和观察序列。它利用图模型的正则化特性和局部性质来对观察序列进行建模,形成一个带有全局参数的概率模型。
本文将通过以下几个方面对CRF在图像分割、定位、对象检测、序列标注等不同领域的应用进行详细阐述:
- 分割与语义分割
- 定位与目标检测
- 序列标注
- 其它应用
2.基本概念术语说明
1. 概念
1.1 随机场 (Random Field)
“随机场”是统计物理学中的一个术语,用来描述由随机变量构成的联合分布,且每个随机变量都受到其他一些随机变量影响。简而言之,就是一个函数 f