CRF与全连接CRF的区别？

Question

有人能解释条件随机场和全连通条件随机场在语义分割方面的区别吗？我只了解到目前为止，对于CRF，您尝试使用两种信息来改进分段掩码：

1. 像素强度:对于类间边缘的一个很好的猜测是像素强度。因此，我们可以对
2. 像素邻近的对象的边缘进行加权:对于接近像素的对象，它们很有可能长到同一个类。如果没有这一点，我们就会在另一个类的实例中解释对象内部的边，例如，回退.

。

我的假设对吗？这是否适用于CRF或完全连接的CRF，或者两者都是？

谢谢!

Answer 1

你说得对，但我会尽量使它更精确，并解释他们的不同之处。

首先，条件随机场(CRFs)是一种用于分类的图形模型，其中有两种惩罚，一种用于节点分类(项目1)，另一种用于边缘，其中相邻节点的不一致被惩罚(项目2)。

对于图像分割，通常将每个像素看作图中的一个节点，相邻的像素是它们的邻域( 2D图像中的4个或8个邻居)，边缘的权重将试图强制那些邻接像素具有相似的标签。生成的图形非常稀疏，CRF计算速度快。

当CRF完全连接时，每个节点都是相邻的，这就使得计算变得更加昂贵！然而，在第一章中发现，在具有高斯边权值的图像图中可以有效地进行优化。在这种情况下，您不仅要考虑每个像素的邻域以获得其类，而且还要考虑图像中的其他像素。

您可以在1中找到有关这方面的更多信息。

1 Kr henbühl，P. & Koltun，V. (2011年)。高斯边势全连通CRFs的有效推理。神经信息处理系统的进展(第109-117页)。