Während des Segmentierungsprozesses werden Pixel Regionen zugewiesen, die auf Merkmalen basieren, die sie vom Rest des Bildes unterscheiden. Wertähnlichkeit und räumliche Nähe sind beispielsweise zwei wichtige Prinzipien, die davon ausgehen, dass Punkte in derselben Region Pixel haben, die räumlich nahe beieinander liegen und ähnliche Werte aufweisen.
In vielen Situationen ist dies wahr, aber was ist mit Regionen, die aus Pixeln bestehen, deren Wert nicht ähnlich ist? Betrachten Sie das Bild unten. Dieselbe "logische" Region besteht aus verschiedenen Elementen, die zusammen etwas Sinnvolles darstellen. In derselben Region gibt es Bäume mit unterschiedlichen Größen und Formen, mit Schatten über einigen von ihnen usw. Es gibt verschiedene Dinge mit Pixeln, deren Wert sich stark unterscheidet, aber ich muss sie immer noch in derselben Region gruppieren. Auf dem Bild können Sie sehen, dass mir Farbunterschiede nicht so wichtig sind. In diesem Fall ist die Textur das wichtigste Attribut. Welche Algorithmen werden verwendet, um die Segmentierung und Klassifizierung bei solchen Problemen durchzuführen?
Ich bin bereits auf der Suche nach Algorithmen und Techniken, die sich auf die Textur konzentrieren, aber einige Meinungen von Experten werden mir sehr helfen. Ich denke, ich brauche etwas Orientierung. Vielen Dank!
Antworten:
Wenn Sie genug Daten haben, können Sie eine Segmentierung Netz trainieren Beispiel für eine bestimmte Gruppe von Daten (zB Bäume). Einzelne DNN mit mehreren Ausgabezweigen können die gesuchten Daten einfach segmentieren und klassifizieren.
quelle