基本情况

题目: Conditional Random Fields as Recurrent Neural Networks

出处：Zheng, S., Jayasumana, S., Romera-Paredes, B., Vineet, V., Su, Z., Du, D., ... & Torr, P. H. (2015). Conditional random fields as recurrent neural networks. In Proceedings of the IEEE international conference on computer vision (pp. 1529-1537).

Google引用次数：2133 （2020-10-27）

摘要

像素级标记任务，如语义分割，在图像理解中扮演核心角色。最近的一些方法试图利用深度学习技术来处理图像识别的像素级标记任务。这种方法的一个核心问题是，

• 深度学习技术在描绘视觉对象（visual objects）方面的能力有限。

为了解决这个问题，

• 我们引入了一种新的卷积神经网络，它结合了卷积神经网络(CNNs)和基于条件随机场(CRFs)的概率图形建模的优点。
• 为此，我们用递归神经网络表示条件随机场的高斯双势和平均场近似推理。这个网络称为CRF-RNN，
  • 然后作为CNN的一部分插入，得到一个同时具有CNNs和CRFs特性的深度网络。

重要的是，我们的系统完全集成了CRF建模和CNNs，使得用通常的反向传播算法、端到端训练整个深度网络成为可能，避免了离线后处理方法来描绘物体。我们将所提出的方法应用于语义图像分割问题，在具有挑战性的Pascal VOC 2012分割基准上获得了最优结果。