图像分割(建筑物分割和多发性硬化病灶分割)中无监督特征学习的分析 论文: : 事实证明,无监督特征学习是按像素分类的图像分割的潜在强大工具。 但是,对于图像分割流水线的每个模块的重要性还没有进行全面的研究。 在这个项目中,我们旨在了解在图像分割的情况下特征学习方法的性能变化。 开发了通用测试框架,然后研究和分析了来自两个不同领域的两个细分任务。 通过对建筑物分割和多发性硬化病变分割的广泛实验,比较了不同的参数。 讨论了有关预处理设置,字典学习,编码和分类的影响。 我们的结果在某些部分上与先前报道的图像分类分析相符,但也得出了针对分割任务的新结论。 注意 最初由Ryan Kiros( )