Здравствуйте Micker, Вы писали:

M>НЕТ! Сегментация — переход от изображения как совокупности пикселей (каждый может характеризоваться вектором яркости (например RGB, CMYK) и 2-мя координатами) к его представлению в виде совокупностей точек, так называемых сегментов, каждый из которых может характеризоватся вектором признаков (не только яркостных, но и текстурных — оснванных на пр-е Фурье, фрактальной размерности и т.п. ).
M>На вход нейросети и пожаются эти признаки и классификация происходит по объектам, а не по точкам. Что классифицировать — вопрос постановки задачи — можно текст, можно игрушки,а можно НАТОвские танки на сербском поле....

Что-то непонятно. А как можно выделить сегменты?
К примеру, если изображение состоит из совокупности пикселей, и каждый пиксель имеет некоторый вектор яркости RGB, то для выделения сегментов я должен использовать именно этот признак – т.е. разбить изображение на некие кластеры по яркости, и, тем самым получить сегменты. Так что ли?

Как делал я:
Преобразование изображения в лоб:
1. Есть исходное изображение и изображение желаемое (одного размера).
2. С исходного изображения в цикле берется некоторая область вокруг одного пикселя. Сам пиксель и его окружение подаются на вход искусственной нейронной сети.
3. На выход нейросети подается значение яркости пикселя по каналам на желаемом изображении.
4. Нейросеть учится для всех пикселей изображения.
5. Теперь можно предъявлять нейросети другие картинки для их распознавания.
Таким образом, теоретически, мы можем проводить бинаризацию растра. На практике хорошо работают только алгоритмы цветопреобразования, размытия, увеличения резкости, а вот бинаризация работает плохо.
Поэтому приходится использовать ручной режим – волшебная палочка -> выделить подобные текущей области.
Вы делаете также?