Tag: 图像分割

与“分割”和“场景标注”相比，“语义分割”是什么？: 语义分割只是一个Pleonasm，还是“语义分割”和“分割”有区别？ “场景标记”还是“场景parsing”有什么不同？像素级和像素级分割有什么区别？（附加问题：当你有这种像素方式的注释时，你是否可以免费获得对象检测，或者还有什么可以做的？）请给出您的定义来源。使用“语义分割” Jonathan Long，Evan Shelhamer，Trevor Darrell：用于语义分割的完全卷积networking 。 CVPR，2015和PAMI，2016 Hong，Seunghoon，Hyeonwoo Noh和Bohyung Han：“去耦深度neural network半监督语义分割”。 arXiv预印本arXiv：1506.04924,2015 。 V. Lempitsky，A. Vedaldi和A. Zisserman：一种用于语义分割的塔式模型。 “神经信息处理系统进展”，2011年。使用“场景标签”的来源 Clement Farabet，Camille Couprie，Laurent Najman，Yann LeCun：学习场景标签的分层特征。在模式分析和机器智能中，2013。使用“像素级” Pinheiro，Pedro O.和Ronan Collobert：“从图像级到卷积networking的像素级标签。 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2015.（参见http://arxiv.org/abs/1411.6228 ）使用“像素”的来源李洪生，赵锐，王小刚：“卷积neural network像素分类的高效前向传播和后向传播”。 arXiv预印本arXiv：1412.4526,2014 。 Google […]

algorithm检测照片中的纸张angular落: 检测照片中发票/收据/纸张的angular落的最佳方法是什么？在OCR之前，这将被用于随后的透视校正。我目前的做法是： RGB>灰度> Canny边缘检测与阈值> Dilate（1）>移除小物件（6）>清除边界物件>根据凸面区域挑选大型博客。 > [angular落检测 – 未实施] 我不禁想到，必须有一个更强大的“智能”/统计方法来处理这种types的分割。我没有很多训练的例子，但是我可能一起得到100张图片。更广泛的上下文：我正在使用matlab来build立原型，并计划在OpenCV和Tesserect-OCR中实现这个系统。这是我需要为这个特定应用程序解决的许多image processing问题中的第一个。所以我期待推出自己的解决scheme，并重新熟悉image processingalgorithm。下面是一些我希望algorithm处理的示例图片：如果您想要接受挑战，那么大图片位于http://madteckhead.com/tmp 案例1 http://madteckhead.com/tmp/IMG_0773_sml.jpg 案例2 http://madteckhead.com/tmp/IMG_0774_sml.jpg 案例3 http://madteckhead.com/tmp/IMG_0775_sml.jpg 案例4 http：/ /madteckhead.com/tmp/IMG_0776_sml.jpg 最好的情况是：案例1 – canny http://madteckhead.com/tmp/IMG_0773_canny.jpg 案例1 – post canny http://madteckhead.com/tmp/IMG_0773_postcanny.jpg 案例1 – 最大的博客http://madteckhead.com/tmp/ IMG_0773_blob.jpg 但是在其他情况下很容易失败：案例2 – canny http://madteckhead.com/tmp/IMG_0774_canny.jpg 案例2 – post canny http://madteckhead.com/tmp/IMG_0774_postcanny.jpg 案例2 – 最大的博客http://madteckhead.com/tmp/ […]

图像分割使用Mean Shift解释: 任何人都可以请帮我理解Mean Shift分割究竟是如何工作的？这是我刚刚制作的一个8x8matrix 103 103 103 103 103 103 106 104 103 147 147 153 147 156 153 104 107 153 153 153 153 153 153 107 103 153 147 96 98 153 153 104 107 156 153 97 96 147 153 107 103 153 153 147 156 153 153 101 103 156 153 147 […]

基于边缘像素图的图像分割: 我已经在Python中训练了一个分类器，用于将单元图像中的像素分类为边缘或非边缘。我已经在一些图像数据集上成功地使用了它，但是却遇到了这个特定数据集的问题，这对人眼来说似乎很模糊。我不知道任何现有的可以精确分割的自动化技术。预测后，我得到以下图像：我对image processing相对来说比较陌生，不确定如何进行实际获取细胞的最终分割。我简要地尝试了一些不同的技术，即Hough循环变换，水平集，镂空，轮廓查找 – 但没有一个真正做到这一点。我只是没有正确调整参数，还是有更好的技术呢？顺便提一下，下面是正确的轮廓，供参考。原始图像：连续概率图：

如何定义OpenCV中stream域的标记？: 我正在用OpenCV为Android写作。我使用标记控制分水岭来分割类似于下图的图像，而无需用户手动标记图像。我打算使用区域最大值作为标记。 minMaxLoc()会给我的价值，但我怎么能限制它是我感兴趣的blob？我可以利用findContours()或cvBlob blob的结果限制ROI并将最大值应用于每个blob？