提出一种针对单张图片进行处理的无监督语义分割算法,可以自适应得到每幅图像的类别数,并输出语义分割结果。首先,分别采用Felzenszwalb算法和SLIC算法(simple linear interative cluster)对图像进行预分割,获得图像的两种预超像素表示...提出一种针对单张图片进行处理的无监督语义分割算法,可以自适应得到每幅图像的类别数,并输出语义分割结果。首先,分别采用Felzenszwalb算法和SLIC算法(simple linear interative cluster)对图像进行预分割,获得图像的两种预超像素表示,对两种预超像素表示进行融合获得图像的最终超像素表示;其次,根据图像最终的超像素表示,使用暗块提取算法得到分类类别数以及可靠性强的类别标签;再次,使用得到的类别数以及类别标签来对由栈式编码器和softmax分类器组成的分类系统进行训练,再使用训练好的分类系统对整幅图像进行预测得到每个像素的标签;最后,对超像素块内的像素标签进行投票,选取标签数量最多的标签为这个超像素块内所有像素的标签。实验结果表明,与当前的一些分割算法相比,本算法能获得更好的语义分割效果。展开更多
文摘提出一种针对单张图片进行处理的无监督语义分割算法,可以自适应得到每幅图像的类别数,并输出语义分割结果。首先,分别采用Felzenszwalb算法和SLIC算法(simple linear interative cluster)对图像进行预分割,获得图像的两种预超像素表示,对两种预超像素表示进行融合获得图像的最终超像素表示;其次,根据图像最终的超像素表示,使用暗块提取算法得到分类类别数以及可靠性强的类别标签;再次,使用得到的类别数以及类别标签来对由栈式编码器和softmax分类器组成的分类系统进行训练,再使用训练好的分类系统对整幅图像进行预测得到每个像素的标签;最后,对超像素块内的像素标签进行投票,选取标签数量最多的标签为这个超像素块内所有像素的标签。实验结果表明,与当前的一些分割算法相比,本算法能获得更好的语义分割效果。