エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
機械の目が見たセカイ -コンピュータビジョンがつくるミライ(36) 領域分割(3) - CRFを用いたSemantic Image Segmentation
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
機械の目が見たセカイ -コンピュータビジョンがつくるミライ(36) 領域分割(3) - CRFを用いたSemantic Image Segmentation
今回からは、「Semantic Image Segmentation」について、詳しく説明していきたいと思います。今回は、「... 今回からは、「Semantic Image Segmentation」について、詳しく説明していきたいと思います。今回は、「Conditional Random Field (CRF)」を用いた手法をご紹介します。 Conditional Random Fieldとは? まずは、CRFとは何かをみていきましょう。CRFは、系列ラベリングという問題を解く手法です。機械学習の中では識別モデルに分類され、構造学習を行えるものがCRFです。 系列ラベリングとは 文章のような文字の系列データに、主語、述語、目的語などのラベルを付与する問題のことです。入力が画像データの場合は、画素が2次元に配置された系列データとみなし、どの領域が人で、どの領域が道路で、といったラベルを付与することになります。 識別モデルとは 第15回で紹介したSVMやAdaBoost、Random Forestなどは、機械学習の中の