Markov Random Field (MRF)의 입력으로 확률 : cmex 코드를 수정하는 방법은 무엇입니까?

Question

나는 MRF로 매우 새롭다. 프로그래밍에별로 좋지 않다. CNN을 사용하여 의미 론적 세분화에서 확률 맵을 얻었으므로 MRF (Markov Random Fields)를 사용하여 세분화를 최적화해야합니다. Shai Bagon이 제공 한 코드를이 링크 GCmex에서 다운로드 할 수 있습니다. 에너지 최소화는 알파 확장 또는 스왑을 기반으로 수행됩니다.

코드를 mex로 컴파일 했으므로 단항 및 쌍방향 에너지 최소화 기능을 개선해야합니다. 나는 이미지의 스택을 가지고 있고 6 이웃 그리드를 추출해야하고 정교한 이웃을 페어 와이즈 함수에 포함시켜야한다.

제 질문 은 : 누군가가 정의에 따라 코드를 다듬어

단항 함수에 대한 입력은 4 개 가지 클래스의 크기 (256,256,4)와 스택이 확률 맵 다른 에너지 함수 1) 나는 단항과 쌍의 공식을 바꾸고 싶다. 어떤 함수와 코드 부분을 다시 정제하고 다시 컴파일해야합니까?

2) w_i,j을 변경하는 방법은 무엇입니까? 그것은 강도 차이에 기초하여 계산됩니다, 여기에서는 우리는 확률 만 있습니다, 그것은 인접한 두 복셀의 확률의 차이입니까?

정말 고맙습니다. 감사합니다

Answer 1

당신은 256x256 PIX (TOT ~ 4G의 복셀)의 60 개 조각을 가지고, 즉 slices는 256 -by- 256 -by- 60 배열입니다. slices을 인터넷에 하나씩 (일괄 적으로 또는 일괄 적으로) 피드하면 확률이 256by-256by-60 -by- 4입니다.
최적화를 위해 그래프를 구성하는 데 third constructor of GCMex을 사용하는 것이 좋습니다.
이렇게하려면 먼저 희소 그래프를 정의해야합니다. sparse_adj_matrix 사용 : 그래프가 있으면, 모든 언덕 아래 여기에서의

[ii jj] = sparse_adj_matrix([256 256 60], 1, 1); % 6-connect 3D grid 
n = prod([256 256 60]); % num voxels 
wij = exp(-((slices(ii)-slices(jj)).^2)/(2*sig2)); % -|Ii-Ij|^2/2\sig^2 
W = sparse(ii, jj, wij, n, n); % sparse grid graph 

:

Dc = -reallog(reshape(prob, n, 4)).'; %' unary/data term 
lambda = 2; % relative weight of the smoothness term 
gch = GraphCut('open', Dc, lambda*(ones(4)-eye(4)), W); % construct the graph 
[gch L] = GraphCut('expand', gch); % minimize using "expand" method 
gch = GraphCut('close', gch); % do not forget to de-allocate 

출력 라벨을 확인하려면, 당신은 reshape

output = reshape(L, size(slices)); 

PS,
필요 슬라이스 사이의 공간 거리가 동일한 슬라이스에서 인접한 보셀 사이의 간격보다 큰 경우, 다른 슬라이스에있는 ii 및 jj에 대해서는 및 jj에 대해 sig2이 서로 다릅니다. 약간의 노력이 필요합니다.