本文共 411 字，大约阅读时间需要 1 分钟。

项目目标是以有意义的方式分割图像。伯克利收集了三百张图片，并支付学生手工分割每幅图片（通常每幅图片都会有多个手工分割）。其中200张是训练图像，其余100张是测试图像。数据集包括用于读取图像和真实标注、计算基准测试分数以及一些其他实用功能的代码。它还包括用于图像分割示例的代码。该数据集是比较新的，相关研究问题还没有解决，所以您有可能为您的项目设计出一个领先的算法。

项目思路：基于区域的图像分割。

大多数图像分割算法都侧重于基于边缘或基于颜色和纹理的不连续性的分割。然而，该数据集中的真实性允许有监督学习算法根据在某区域上计算的统计数据分割图像。一种方法是将图像“过度分割”为超像素（Felzenszwalb 2004，代码可公开下载），并将超像素合并为更大的片段。图形模型可以通过在相邻像素之间添加适当的势位来表示簇中的平滑度。在这个项目中，您可以展开的工作，例如，学习这样的势位，在具有非常大的树宽度模型中进行推理。

转载地址：http://hnlp.baihongyu.com/