আমি কোনও চিত্রের বিভাগগুলিতে মার্কভ র্যান্ডম ক্ষেত্রগুলি কীভাবে ব্যবহার করতে পারি তা শেখার চেষ্টা করছি। আমি এমআরএফ এর কিছু পরামিতি বুঝতে পারি না বা কেন আমি যে প্রত্যাশা সর্বাধিকীকরণ করি তা কখনও কখনও কোনও সমাধানে রূপান্তর করতে ব্যর্থ হয়।
বয়েসের উপপাদ্য থেকে শুরু করে, আমার কাছে , যেখানে পিক্সেলের ধূসর-স্কেল মান এবং একটি শ্রেণির লেবেল। আমি এর জন্য গাউসীয় বিতরণ ব্যবহার করা বেছে নিয়েছি , যখন এমআরএফ ব্যবহার করে মডেল করা হয়েছে।
আমি এমআরএফ-এর জন্য একটি সম্ভাব্য ফাংশন ব্যবহার করি যা জুটিওয়ালা চক্রের সম্ভাব্যতা এবং পিক্সেলের শ্রেণিবদ্ধকরণের শ্রেণিবদ্ধকরণের জন্য একটি সম্ভাব্য মান। একক পিক্সেল সম্ভাব্য মান কিছু ধ্রুবক যে বর্গ ট্যাগ নির্ভর । Pairwise সম্ভাব্য ফাংশন 4-সংযুক্ত প্রতিবেশীদের জন্য মূল্যায়ন এবং ইতিবাচক আসতে হয় যদি প্রতিবেশী এই পিক্সেল হিসাবে একই বর্গ লেবেল এবং হয়েছে যদি লেবেল পৃথক।
প্রত্যাশা বৃদ্ধি যেখানে আমি মান খুঁজে বের করতে হবে এ মুহুর্তে এবং যে লগ-সম্ভাবনা আমি একটি সংখ্যাসূচক অপ্টিমাইজেশান পদ্ধতি ব্যবহৃত প্রত্যাশিত মান পূর্ণবিস্তার (অনুবন্ধী গ্রেডিয়েন্ট চেষ্টা BFGS, পাওয়েলের পদ্ধতি) কিন্তু সবসময় would সন্ধান করুন যে এর মান নেতিবাচক হয়ে উঠবে, গুলি নাটকীয়ভাবে বৃদ্ধি পাবে এবং একটি পুনরাবৃত্তি বা দু'টি পরে পুরো চিত্রটি কেবল একটি লেবেলে বরাদ্দ করা হবে (পটভূমি: এমআরএফ প্যারামিটারগুলি দেওয়া শ্রেনীর লেবেলগুলি আইসিএম ব্যবহার করে করা হয়েছিল)। আমি যদি আলফাসগুলি সরিয়ে ফেলেছি, যেমন কেবল জোড়াযুক্ত চক্রের সম্ভাবনা ব্যবহার করি তবে প্রত্যাশা সর্বাধিকীকরণ ঠিক কাজ করবে work
দয়া করে ব্যাখ্যা করুন প্রতিটি শ্রেণীর জন্য বর্ণমালার উদ্দেশ্য কী? আমি ভেবেছিলাম যে তারা চিত্রটিতে উপস্থিত class শ্রেণীর পরিমাণের সাথে সম্পর্কিত হবে, তবে তা প্রদর্শিত হয়নি। আমি যখন এমআরএফকে কেবল জোড়াযুক্ত সম্ভাবনার সাথে কাজ করতে পেলাম, তখন আমি এটিকে একটি সোজা এগিয়ে গাউসিয়ান মিশ্রণ মডেলের সাথে তুলনা করে দেখলাম যে তারা প্রায় অভিন্ন ফলাফল নিয়েছে। আমি আশা করছিলাম যুগলক্ষেত্রের সম্ভাবনাগুলি ক্লাসটি কিছুটা সহজ করে দেবে, তবে তা ঘটেনি। আমি কোথায় ভুল হয়ে গেছে দয়া করে পরামর্শ দিন।