unsupervised image segmentation by backpropagation-论文笔记

这是一个有趣的非监督分割方法
代码短小精悍

直接说算法

1.首先对原图进行超像素分割。
2.使用卷积网络进行正向传播。网络输出100channel，输出和输入大小相同。也就是说，每个输入像素对应输出100个像素。这100个channel相当于对每个像素点进行100类的分类。通过这100个channel的输出，我们可以得到每个像素的预测类别。
3.那么我们如何得到每个像素的label呢？这时，第一步的超像素的分割的结果就有用了。具体是这样操作的：对于每个超像素，我们统计这个超像素里边所有像素的预测类别，将类别数最多的类别作为这个超像素里边所有像素的类别，这样我们就得到了label。
4.将上述2，3步不断迭代，最后得到结果。

我拿医学图像（分割灰白质脑脊液）试了一下，发现好像有点差哈。