fcn后，利用crf修饰分割所得的图像边缘

参考博文链接：http://blog.csdn.net/u012759136/article/details/52434826

其实crf主要就是，根据原图image（5割通道的信息，包括RGB和坐标位置 x y）和 图像跑过fcn模型后所得到softmax（具有概率分布的），这两个数据进行再一次的像素点分类。

比如image的尺寸是 mxn，且这里是一个图像二分割问题（就比如最简单的目标和背景的分割），那么每个像素点就有两种可能的归宿－－－目标/背景（0/1）。所以，softmax的维度则是2xmxn。接下来，crf就是根据image提供的5通道信息，在rgb值和像素点的空间位置两个方向上对现有的softmax进行重新调整，重新分配像素点的0/1归属。

crf认为，空间位置上，距离很近的像素点该是分为同一类的，rgb上也是一样。所有会给予一些惩罚值和一些能量项。这个就得具体研究crf的资料了，李航老师的《统计学习方法》就讲的很详细了。

嗯，以上，有了新想法再来补充，欢迎指正！～