猫眼影戏
 |
|
猫眼影戏
李柏涛
手机审查
猫眼影戏记者 张士林 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1：三邦车视中国第一视频
??01月08日,全国温室气体自愿减排交易市场启动,
决议成败的不是你尺寸的巨细
,欧美另类一区a 。??01月08日,探访广东罗定“蒸笼小镇” ,
我对低碳的明确就是在一样平常生涯中从自我做起 ，从小事做起 ，最大限度的镌汰一切可能的消耗 。虽然 ，低碳主要照旧指镌汰二氧化碳的排放 。着实 ，低碳生涯离我们每小我私家都很近 ，只要多注重生涯中的一些细节 ，就可起到降低消耗的作用 。我生涯中的一些低碳小窍门就是针对节水方面 。
,国产特级免费片,aaawuma.com,少妇无码一区二区三区视频 。??时势2：99riav精品
??01月08日,（高质量发展调研行）走进浙江桐庐梅蓉村,
半数以上的孩子意动 ，想继续走下去 。
,免费的黄色视频欧美一本到,美女网站视频永久观看,国产性色在线播放农村 。??01月08日,吉林以旧换新政策促二手车交易量快速增长,
“快 ，速率太慢了！”石林虎等人焦虑 ，唯恐去晚了 ，被人捷足先登 。
,色色色色色色色色色色色网站,亚洲综合p,拿笔在尿道口划来划去作文80字 。??时势3：韩国女主播
??01月08日,吉林松花江滑冰马拉松挑战赛即将开赛,
又一道冷光闪过 ，第二支铁箭射来 ，小不点逃避 ，噗的一声血液溅起 ，他原本要喂青鳞鹰的那块肉被射穿 。
,人人操人人人人插人人干人人,欧美三级视频播放在线观看网址,av黄片免费在线观看 。??01月08日,从街头巷尾到“面”向世界 安徽太和板面带动大产业发展, 经查 ，王一新损失理想信心 ，背弃初心使命 ，结交政治骗子 ，对抗组织审查 ；违反组织原则 ，遮掩不报家庭房产情形 ，在组织谈话时不如实说明问题 ，违规选拔任用干部并收受财物 ；违规收受礼金 ，接受私营企业主低价装修 ，使用职权为特定关系人谋取利益 ，搞权色、钱色生意 ；品德松懈 ；以权术私 ，大搞权钱生意 ，使用职务便当为他人在土地开发、项目承揽等方面投契 ，并不法收受巨额财物 。,yw193com网站午夜福利草古网站午…,尼姑鼓蓬蓬的牦户,老牛影视无码免费 。
??时势4：国产户外暴露路边刺激露出
??01月08日,11月北京二手房网签量超1.8万套 创近20个月新高,
祭灵死去 ，群寇失去战力 ，小不点彻底松开 ，躺在那里 ，一动不想动了 ，不想再起来 。
,免费一级a毛片在线播放直播,女人18特黄色片,韩日三级视频网 。??01月08日,凡人善举温暖人心 危急时刻他们为城市注入正能量,
太阳西落 ，斜阳红艳 ，整片山地都被染上一层红彤彤的光晕 ，在斜阳的余晖中一片清静与祥和 。
,亚洲拍视频,欧美丝袜综合 国产13页,大学生无码精品视频在线播放 。责编：胡万宝
审核：蒋中呈
责编：罗琳
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
