這裏主要是講Conditional Random Fields(CRF)用於pixel-wise的圖像標記（事實上就是圖像切割）。CRF經經常使用於 pixel-wise的label 預測。當把像素的label作為形成馬爾科夫場隨機變量且能夠獲得全局觀測時，CRF便能夠對這些label進行建模。這樣的全局觀測通常就是輸入圖像。

令隨機變量$X_i$是像素$i$的標簽。

$$X_i \in L = \{l_1,l_2, ..., l_L \}$$
令變量X是由$X_1, X_2, ..., X_N$組成的隨機向量，$N$就是圖像的像素個數。
如果圖

在全連接的CRF模型中，標簽 $x$ 的能量能夠表示為：
$$E(x) = \sum _i \varphi(x_i) + \sum _{i<j} \varphi _p (x_i, x_j)$$
當中 $\varphi _u(x_i)$是一元能量項。代表著將像素

最小化上面的能量就能夠找到最有可能的切割。