使用频率分割图像
segmentation of an image using frequencies
我想分割这张图片
（我只想要蜜蜂，我有 100 张没有标记的图像）。我认为最好的方法是使用频域，因为蜜蜂似乎有特定的频率。但我不确定该怎么做。如何找到合适的频率？
或者您有更好的方法吗？
提前致谢！
我强烈建议不要使用频域方法进行分割：
频域的好处在于它可以捕获纹理等非局部属性。但是，您为这种全球信息付出的代价是缺少位置信息：说 "where in the picture this frequency comes from" 是非常不平凡的。 las，这个位置信息对于分割来说至关重要：你必须知道哪个像素属于什么"frequency"/texture/region...
有一些基于频率的描述符旨在维护一些局部信息（例如，Gabor 过滤器等）。然而，这些技术实现起来并不容易"out-of-the-box".
您是否考虑过使用深度语义分割方法？如果你没有很多带标签的图像，我建议你看一些半监督的东西，比如 Ning Xu, Brian Price, Scott Cohen, Jimei Yang, Thomas Huang, Deep GrabCut for Object Selection (arXiv 2017).
谢谢你的回答！
我最终使用 CNN（unet 架构）解决了这个任务。我注释了 3 张完整图像，这就足够了，因为一张图像中有很多蜜蜂。训练是使用小块（大到足以包含一只蜜蜂）而不是整个图像完成的。
我还使用 CRF 来改进分割！
我在 50 张图像中测试了该方法，结果效果非常好:)
我想分割这张图片
（我只想要蜜蜂，我有 100 张没有标记的图像）。我认为最好的方法是使用频域，因为蜜蜂似乎有特定的频率。但我不确定该怎么做。如何找到合适的频率？
或者您有更好的方法吗？
提前致谢！
我强烈建议不要使用频域方法进行分割：
频域的好处在于它可以捕获纹理等非局部属性。但是，您为这种全球信息付出的代价是缺少位置信息：说 "where in the picture this frequency comes from" 是非常不平凡的。 las，这个位置信息对于分割来说至关重要：你必须知道哪个像素属于什么"frequency"/texture/region...
有一些基于频率的描述符旨在维护一些局部信息（例如，Gabor 过滤器等）。然而，这些技术实现起来并不容易"out-of-the-box".
您是否考虑过使用深度语义分割方法？如果你没有很多带标签的图像，我建议你看一些半监督的东西，比如 Ning Xu, Brian Price, Scott Cohen, Jimei Yang, Thomas Huang, Deep GrabCut for Object Selection (arXiv 2017).
谢谢你的回答！
我最终使用 CNN（unet 架构）解决了这个任务。我注释了 3 张完整图像，这就足够了，因为一张图像中有很多蜜蜂。训练是使用小块（大到足以包含一只蜜蜂）而不是整个图像完成的。
我还使用 CRF 来改进分割！
我在 50 张图像中测试了该方法，结果效果非常好:)