我想知道是否有一种方法如下工作：1）该算法是用特定对象的一些图像训练的（我用 1000 张香蕉图像训练我的图像） 2）我使用训练数据来分割测试图像（语义分割）
这里的关键点是，训练图像不包含标签信息（前景 - 背景）。我希望该算法能够通过一些常见的边缘方向或特征等来学习对象的形状。
我研究了用于分割的图形模型，最相似的方法是以下论文提出的“OBJCUT”：
http://eprints.pascal-network.org/archive/00006963/01/kumar10.pdf
但是，他们使用形状示例训练系统（地面实况图像包含由人类完成的分割）。
我要分割的对象是非关节对象。
这不是一个完整的答案（我会直接评论您的问题，但由于代表不允许），但您可以查看“学习和检测形状模型 v1.3（2009 年 9 月）”（http://groups.inf。 ed.ac.uk/calvin/software.html）。论文的名称是：Ferrari, Jurie & Schmid 的“From images to shape models for object detection”
这个想法是学习一个基于轮廓的对象模型，然后可以变形。实际上，您必须通过提供训练图像中对象的简单边界框（左上角和右下角的 xy 坐标）来进行一点分割。您还可以使用已经在您想要学习模型的对象周围裁剪的训练图像。
我尝试了他们的 Matlab 实现，并为我的训练图像创建边界框与在 Gimp 中手动裁剪它们一样快，否则......
编辑：顺便说一句，如果您想知道如何使用该程序创建 groundtruth 文件，我使用文本编辑器（例如“Notepad++”）创建文本文件。在文件中，我写了边界框的坐标，用空格分隔，例如：“10 33 572 458”（没有引号）然后用适当的名称保存文件（检查他们如何为他们的示例文件做）虚拟扩展名“.groundtruth”，他们的 Matlab 实现将识别这些文件。