转载来源：推荐一些用CRF做图像语义分割的资源
首先是code，以前找了很多，但发现比较好用的有：
1. Matlab版的UGM：http://www.cs.ubc.ca/~schmidtm/Software/UGM.html，可实现crf的inference和learning，作者Mark Schmidt，写了很多实用的工具箱。
2. C++版的gco-v3.0：http://vision.csd.uwo.ca/code/，用于求解crf（即inference），作者Olga Veksler，专门研究Graph cut算法。
3. Oxford的ALE: http://www.robots.ox.ac.uk/~phst/ale.htm，作者Lubor Ladicky，花了5年时间完成这套代码，他在博士期间的所有工作几乎都在其中，c++代码写得很规范，能学到不少东西，依赖库只有DevIL（以前叫openil，没用opencv），需要耐心仔细地结合论文看才能看懂。
4. ANU的Stephen Gould开发的c++库Darwin：http://drwn.anu.edu.au/，能在windows下用，但更适合linux，工具箱里的一些应用也包括了他博士时做的工作，仔细研究这个库可以学到不少先进的东西。
5. OpenGM2：http://hci.iwr.uni-heidelberg.de/opengm2/，专门用于图模型离散优化的c++库，其中包含了多种算法，详见2013年的一篇CVPR：A Comparative Study of Modern Inference Techniques for Discrete Energy Minimization Problems (http://ipa.iwr.uni-heidelberg.de/ipabib/Papers/Kappes-etal-cvpr-2013-benchmark.pdf)
另外，如果要研究高阶的CRF，可以参见这几个人的主页：
1. Pushmeet Kohli，这是个专家级的，2007年Oxford Brookes的Phd毕业，其间就研究这个，现在在MSRC：
http://research.microsoft.com/en-us/um/people/pkohli/
2. Lubor Ladicky，继续了Kohli的工作，2011年Oxford Brookes的Phd毕业，现在ETH，主要用CRF做场景理解和姿态估计等：
http://www.robots.ox.ac.uk/~lubor/
3. Chris Russell，毕业于Oxford Brookes，现在UCL,研究方向和Lubor Ladicky差不多（导师都是Philip Torr），但更偏重高阶CRF：
http://www0.cs.ucl.ac.uk/people/C.Russell
4. Stephen Gould，2010年Stanford的Phd毕业，现在ANU，也用高阶CRF做场景理解，还开发了一套工具箱（Darwin），比较适合在Linux下用。
http://users.cecs.anu.edu.au/~sgould/index.html
Stephen Gould主页
如果看了这几个人的PhD Thesis，基本上就对Higher Order CRF有比较清晰的认识了。
要是谁有兴趣研究该方向，可以多多交流~ ~
参考：