图像分割与GAN网络

图像分割概念

     图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。

    图像灰度：把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。用灰度表示的图像称作灰度图。
    图像组成：一幅完整的图像，是由红色绿色蓝色三个通道组成的。
红色、绿色、蓝色三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示“ 红，绿，蓝”在图像中的比重。通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255。

图像分割的主要方法：

主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法。

 

 

 

 与百度连接

更详细的讲解文章：(19条消息) 图像分割综述_计算机视觉life的博客-CSDN博客_图像分割综述

GAN网络的理解与推导：

我的理解是一组相互对抗的过程，主要有生成器G（generate）与鉴别器D（descriminator）构成，个人的理解就是在更新的过程中固定G与D中的一个去训练另一个。

其核心思想就是下面这个公式：

首先固定生成器G，去训练鉴别器D

 V的具体形式： 

 经过计算的到：（类似于概率论中最大似然函数的原理，求导让式子等于0可得到）

固定鉴别器D去训练生成器G

我们有了D的最优解，这里就可以固定D去训练G了，把它带入原公式之中： 

 看一下KL散的定义：

 公式最后告诉我们，如果D有了带入，这是函数就是衡量真是数据与生成数据的距离，我们只需要求最小值让两者更加接近就可以使生成器的性能最好。

以上使个人的理解，不足或错误之处请指正。

原文推导链接：(19条消息) GAN公式推导详解_今 晚 打 老 虎的博客-CSDN博客_gan公式

(19条消息) GAN生成对抗式神经网络数学推导__寒潭雁影的博客-CSDN博客