猫眼影戏
 |
|
猫眼影戏
迪纳
手机审查
猫眼影戏记者 罗瑞传 报道Q8X2R7L1T4J5M9B6W3
新智元报道
编辑：LRST
【新智元导读】香港中文大学提出了一个全新的算法框架RankSEG ，用于提升语义支解使命的性能 。古板要领在展望阶段使用threshold或argmax天生掩码 ，但这种要领并非最优 。RankSEG无需重新训练模子 ，仅需在推理阶段增添三行代码 ，即可显著提高Dice或IoU平支解指标 。
在语义支解使命中 ，通常接纳「在展望阶段 ，通过对概率图应用threshold 或argmax来天生mask」的古板范式 。
然而 ，你是否思索过：这种做法真的能够最大化Dice或IoU等主流支解评估指标吗？
香港中文大学的最新研究证实晰这一古板要领的次优性 ，并提出了一种立异性算法框架RankSEG ，无需重新训练模子 ，仅需三行代码即可显著提升支解性能 。
系列事情包括刚被NeurIPS 2025吸收的高效支解算法 ，以及揭晓于JMLR的焦点理论 ，还开源了配套的Python工具包 ，无需重训模子 ，仅通过增添三行代码 ，即可有用提升支解指标体现 。
NeurIPS论文链接：https://openreview.net/forum?id=4tRMm1JJhw
JMLR论文链接:https://www.jmlr.org/papers/v24/22-0712.html
代码链接：https://github.com/rankseg/rankseg
若是业界从业者希望最大限度地「榨干」支解模子的性能 ，只需阅读第一节 ，即可解锁怎样将RankSEG无缝集成到现有流程中 。
开源软件包
研究职员提供了一个易用的RankSEG类 ，初始化时可指定需要优化的支解指标（如 Dice、IoU 等） 。随后 ，只需挪用predict要领并输入概率图 ，即可获得优化后的展望效果 。
现实使用时 ，只需将原有的probs.argmax(dim=1)替换为rankseg.predict(probs) ，即可轻松集成 ，无需过多改动 ，简朴高效 。
RankSEG与古板argmax要领的效果比照 ，使用统一个训练好的模子 ，唯一的区别仅在推理阶段的处置惩罚方法 。图中用红框举行了重点标注：在第一个例子中 ，RankSEG 乐成识别出桌子上的小瓶子；在第二个例子中 ，RankSEG乐成支解出了被遮挡的人脸；第三个例子捕获到更完整的肿瘤块 ？梢韵宰趴闯 ，RankSEG在小物体识别和处置惩罚被遮挡等重大场景时 ，支解效果相较于古板 argmax 有显著提升 。
Demo链接：https://huggingface.co/spaces/statmlben/rankseg
QuickStart：https://colab.research.google.com/drive/1c2znXP7_yt_9MrE75p-Ag82LHz-WfKq-?usp=sharing
文档链接：https://rankseg.readthedocs.io/en/latest/index.html
古板threshold/argmax的局限性
现在主流的支解流程 ，通常通过训练模子来预计每个像素的种别概率 ，随后接纳threshold或argmax要领天生最终的展望掩码（Mask） 。
这种逐像素分类（pixel-wise classification）的要领 ，优化目的是像素级的准确率；但支解使命真正体贴的 ，是整体的重合度指标（如Dice或IoU） ，二者并不完全一致 。
理论上 ，古板的threshold / argmax展望方法是次优的（suboptimal） 。例如 ，在下面这个由两个像素组成的简化场景中 ，即便其中一个像素的展望概率低于0.5 ，为了获得最优的Dice分数 ，依然应该将其判断为远景 。简朴来说 ，逐像素最优解纷歧定能带来全局最优的支解效果 。
左侧红框给出了最终支解效果 ，右侧展示了简要的盘算历程 。其中 ，体现通过threshold/argmax获得的展望效果 。
可以看到 ，这种展望方法对应的Dice分数并未抵达最优；而为了获得最优的Dice ，现实上应当将第二个概率低于0.5的像素也判为远景 ，这个例子直观地展现了古板threshold/argmax要领在整体支解性能上的局限性 。
焦点理论：RankSEG
那么 ，怎样才华获得最优的支解展望呢？下面的定理给出了理论上的解答 ，并指出了实现该最优性的详细要领（这里以Dice指标为例 ，类似的思绪同样适用于IoU优化） 。
这个定理可以分为以下几个要害部清楚确：
Dice期望的盘算
已知每个像素的概率值 ，输入展望的mask ，该 mask 的Dice系数的期望可以体现为：
只要遍历所有可能的二值 mask ，盘算对应的Dice期望 ，并取最大的那一个就能获得最优解 。然而 ，所有mask的组合数为2的d次方 ，盘算量呈指数增添 ，直接穷举在现实应用中不可行 。
排序性子
定理进一步指出 ，只需关注这样一类特殊的mask：
即概率值排序后 ，取前大的像素展望为远景 。那么只需要搜索「体积」从0到d ，大大镌汰了盘算重漂后 。
这里隐含了一种排序（Ranking）性子：若是像素j的概率大于像素j'的概率 ，那么把j判作远景对Dice期望的提升更大 。该事情针对这一直观结论给出了严酷的理论证实 ，也由此取名RankSEG 。
自顺应阈值的最优展望规则
这里 ，是遍历差别体积 ，找到Dice期望最大的对应阈值 。与古板的牢靠阈值差别 ，这种阈值是自顺应（adaptive）的 ，会凭证每张图片的概率漫衍动态调解 ，不再局限于 0.5 。
符号记号及期望公式的化简：为简化后续推导 ，我们将上述Dice期望重写如下：
其中是去掉第j个元素后的向量 ，（替换）为剩余像素的远景体积 。
由于每个像素是自力伯努利漫衍 ，实质上听从泊松二项漫衍（概率完全相同则退化为经典二项漫衍） 。
RankSEG定理直接以寻找Dice最优展望为目的 ，巧妙地使用排序性子 ，带来了精练且高效的支解展望要领 。不过 ，在定理的现实应用历程中 ，仍保存两个主要挑战：
期望值盘算的重大性：对每个候选支解 ，Dice期望的准确盘算开销大；
多种别支解的最优描绘难题：在多种别（multi-class）语义支解场景下 ，由于每个像素只能归属于一个种别（即「无重叠」约束） ，最优展望的描绘以及直接优化全局指标都变得越发重大和棘手 。
针对以上难点 ，研究职员引入近似化的技巧 ，旨在进一步简化盘算 ，同时提出更为适用（practical）的算法计划 ，以增进RankSEG在种种现实支解使命中的高效应用 。
高效近似算法：RankSEG-RMA
RankSEG的盘算重漂后较高 ，限制了其在高维图片中的现实应用 ，最新的算法（NeurIPS 2025）引入倒数矩近似和多种别支解 。
倒数矩近似
RankSEG盘算的主要瓶颈在于每个候选掩码都需要准确盘算Dice期望 。
详细而言 ，难点在于求解如下关于的倒数期望项： 。该期望需要针对每对重新睁开d项求和；若是能够找到一个近似表达式 ，使得该期望对差别的和j无需重复自力盘算 ，就可以一次性高效推断 ，并在差别的评估中复用效果 ，从而大大降低整体盘算重漂后 。
首先 ，注重到在目今的图像支解使命中 ，像素数目d通常很是大 。
在这种情形下 ，去除单个像素j前后的和（即与）之间差别极小 。因此 ，可以用直靠近似 ，从而消除了对像素j的依赖 。
其次 ，针对泊松伯努利漫衍 ，进一步视察到：当d足够大时 ，倒数的期望和期望的倒数很是靠近 。
因此 ，后者可以作为前者的近似值 ，这样一来 ，期望的盘算同样挣脱了对的依赖 。研究职员将这种近似称为倒数矩近似（Reciprocal Moment Approximation, RMA） 。
借助该要领 ，用定理2中的替换原来的 ，在显著提升盘算效率的同时 ，依然能够坚持较低的近似误差 。
这里和前缀和都可以提前一次性算好 ，并在后续所有的评估中重复使用 ，整体盘算重漂后仅为 。
多种别支解
RankSEG的框架可以自然地扩展到multi-label场景（即单个像素允许属于多个种别） 。然而 ，在多种别单标签（multi-class）支解使命中 ，每个像素只能分派一个类别的「非重叠」约束 ，使得直接扩展RankSEG会涉及到重大的匹配（assignment）问题 ，盘算重漂后显著提升 。
为此 ，研究职员提出如下近似算法 ，兼顾了效率与精度：
1. 自力二值支解：对每个种别自力应用RankSEG-RMA算法 ，划分获得各自的binary mask 。
2. 去除重叠：关于展望效果中重叠的区域 ，仅保存masks之间无重叠部分 ，舍弃多种别同时展望的像素 。这一步可能导致部分像素没有被分派给任何种别 。
3. 盘算提升值：关于这些未分派的像素j ，盘算其加入差别类别的提升值 ，其中c是种别 ，是已分派给种别c的像素荟萃 。
4. 贪心分派：在重叠或未分派像素中 ，凭证最大增益为每个像素j选择种别：
这种要领虽然在最后一步引入了 argmax 机制 ，但与古板要领相比 ，具备以下两个显著优势：
选择性使用argmax：只有在重叠区域才接纳argmax ，而大部分像素展望仍然由RankSEG原始算法直接决议 ，充分验展了RankSEG的优势 。
Principled scores：反应的是某像素j被分给种别c后Dice期望的提升 ，因而比纯粹的概率最大化更切合支解性能的优化目的 。
需要说明的是 ，此要领实质上是一种贪心的近似战略 ，由于仅思量每次加入单个像素时的「瞬时」效益 ，未全局协同优化 。
但实验效果显示 ，在兼顾盘算效率的同时 ，该要领能够带来不错的支解性能提升 ，体现出了合理的适用价值 。
实验效果
研究职员在多个主流支解数据集（如PASCAL VOC, Cityscapes, LiTS, KiTS等）和多种深度学习模子上举行了普遍实验 ，验证了RankSEG系列要领的优越性 。
从表中效果可以视察到：
性能提升显著：RankSEG系列要领相较古板的argmax展望机制 ，在支解精度上均有显著提升 。
高效近似性：RankSEG-RMA与原始的RankSEG-BA在支解性能上险些无损失 ，但推理速率提升数十倍 ，极大地提升了现实应用的效率 。
整体开销较低：只管RankSEG-RMA在推理阶段相较于argmax在绝对时间上有增添 ，思量模子前向（model forward）时间后 ，其整体盘算开销增添有限 。而原始的 RankSEG-BA ，其耗时则靠近于模子前向撒播时间自己 ，限制了现实安排 。
公正性比照：所有用果均基于统一个训练模子 ，RankSEG 作为模子输出的「后处置惩罚」操作 ，阻止了因神经网络训练历程中的随机性导致的性能波动 ，包管了比照效果的客观性 。
参考资料：
https://openreview.net/forum?id=4tRMm1JJhw
秒追ASI
?点赞、转发、在看一键三连?
点亮星标 ，锁定新智元极速推送！
??时势1：metcn专柳青青的专辑欣赏
??01月06日,（乡村行·看振兴）从鲜食到精深加工：莱阳梨园唱出致富曲,
1、 开展冬训活动 ，是将中央、省、市要求和习系列主要讲话精神引向深入的需要 ？苟祷疃 ，就是要通过集中学习的形式 ，让每一个干部体会上级精神 ，认清生长形势 ，理清事情思绪 ，引发事情热情 ，提升事情实效 ，为加速推进“幸福洪泽”建设作包管 。
,免费黄色网站哪里看 。??01月06日,（新春见闻）百年社火村：制造年味 留住乡愁,
“毅儿 ，该你了 ，一定要坚持 。 鄙俑竞苤饕 ，嘱咐另一个孩子 。
,爱鲁乱伦无码免费网,亚洲图自拍偷拍,一区二区,国产最新进精品视频 。??时势2：免费黄色电影一级
??01月06日,卖挂历已有40多年 皇城根儿78岁“挂历金大爷”想找“继承人”,
五是责任感和使命感有了进一步增强 。通过学习培训 ，各人对国际海内生长的大趋势、对执政党建设所面临的新问题、对目今所面临的新挑战、对新时期农村下层干部所肩负的重任等都有了进一步的熟悉 ，特殊是对怎样增强村级党组织建设 ，牢靠党在农村的执政职位 ，提高农民收入 ，实现周全建设小康社会雄伟目的的责任感和使命感获得进一步增强 。
,色色资源平台,少年骇客18 游戏入口,欧美a天堂在线 。??01月06日,习近平将出席法国总统马克龙举行的欢迎仪式,
不然的话 ，这头蛟豹不可能这么容易被猎杀 ，它极其强盛 ，小不点这般轻松的回来足以说明晰问题 。
,自拍偷在线精品自拍偷,唐舞桐裸体,国内AV无码白拍 。??时势3：真人猛进猛出无遮掩视频
??01月06日,探访金义综合保税区 “双十一”过后繁忙依旧,
(2)必需穿越浓烟逃生时 ，应只管用浸湿的衣物披裹身体、捂住口鼻 ，贴近地眼前行 。
,国产性爱在线观看,亚洲欧美中文字幕在线一区下载,人人干人人舔 。??01月06日,从中国制造迈向中国创造——第135届广交会观察,
盘货已往、展望未来 。在新的一年里 ，我们将面临更多的难题与挑战 ，以市场为导向 ，以合理的治理为纽带 ，提高公司着名度 ，集中打造~~品牌形象 。
,日本XXXXX视频,黄片十八岁以下禁看视频在线观看,黄瓜91视频 。??时势4：国产精品重口黄金调教系列
??01月06日,跟着习主席出访｜特殊的朋友 共赢的伙伴,
“我们喝过雪麟豹的奶 ，香气浓郁 ，甘甜无比 ，小时间天天都要来上一大杯 。”一个小女人笑嘻嘻的说道 。
,A片在线不卡免费视频,350234去看吧孩子美女半夜拉稀,秋霞在线视频观看 。??01月06日,美国“功夫小子”北京切磋武艺,
“孩子 ，适可而止吧！”为首的中年男子启齿 ，头上有清气浮现 ，化成大道之花 ，挤满了天空 ，缭绕着恐怖的雷电 ，陪同着轰鸣声 。
,www.17.C,91精品国产一区二区三区四区,学生跪床 被 网站视频 。责编：董海洋
审核：金丝豆
责编：吴开东
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
