Deep learning 语义分割中的条件随机场

CRF（Conditional Random Fields，条件随机场）是否仍在语义分割任务中积极使用，还是当前的深层神经网络使其变得不必要？ 我在学术论文中看到了这两个答案，而且，由于实施和推断起来似乎相当复杂，我想在尝试之前对它们发表意见

---

谢谢

CRF仍然与DNN一起用于图像标记和语义图像分割任务。事实上，CRF和DNN并不是自我排斥的技术，最近的许多出版物都使用了这两种技术

CRF基于概率图形模型，其中图形节点和边表示随机变量，并用势函数初始化。DNN可用作以下潜在功能：

• （未来工作科）

DCNN可用于特征提取过程，这是应用CRF的关键步骤：

还有一些工具包，结合了CRF和DNN：

---

CRF仍然与DNN一起用于图像标记和语义图像分割任务。事实上，CRF和DNN并不是自我排斥的技术，最近的许多出版物都使用了这两种技术

CRF基于概率图形模型，其中图形节点和边表示随机变量，并用势函数初始化。DNN可用作以下潜在功能：

• （未来工作科）

DCNN可用于特征提取过程，这是应用CRF的关键步骤：

还有一些工具包，结合了CRF和DNN：