首页
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!
《免费女人18毛片在线播放》,《Q8X2R7L1T4J5M9B6W3》2021年三级片
“给我下载北京一级黄色片”
485y.com
……
01月13日
“国产人人操人人插人人射”上一位10米台卫冕的是全红婵教练
↓↓↓
01月13日,中国联通原增值业务部总经理王颖沛接受审查调查 ,黄片小视频在线看,www.34pao.com,黄漫 涩爆乳自我安慰在线观看,A级毛片免费L
01月13日,叙利亚反对派武装攻入哈马市,叙国防部长最新回应,fill研究免费入口官网,午夜无码黄片片,黄色视频在线免费在线观看,免费观看18视频网站下载
01月13日,美国伊利诺伊州发生枪击事件 已致8人死亡,欧美黑人XXXX性高清版,欧美字幕第一页,麻豆AV在线高清免费播放,高清无码黄色影院
01月13日|跟着总书记看中国|渔民村响起悠扬粤韵|av-www.99riav.com-|星野与老头关键词|中文字幕第28页|国产精品久久久影院
01月13日|中新教育丨教育部部署加强中小学人工智能教育|小 伸进 推特|一级毛片国语一级A片|九九爱www免费视频在线观看|美女自慰高潮在线看
01月13日|多地2023年外贸进出口总值创历史新高|黄色无码不卡|亚州网|久久久久久蜜精品精品免费|www久久久久久网站……
01月13日,山西岢岚:“帮”出新面貌 “扶”上幸福路,豆瓣酱闹新娘,98久精品高清免费视频,日韩草草久久,免费看国产黄页网站
01月13日,读懂三中全会⑤:8组“开放热词”背后的知识点,看三级黄片,炮兵社区,馃崙馃崒馃埐,国产一级性爱电网站
01月13日|2024年考证时间表来了,你准备考哪个?|色污黄网站在线观看|美女被捅尿口|国产精品高中生视频网站|欧美特级婬片免费播放口
01月13日,第十三届郑仙诞文化旅游周在广州白云山启动,91热在线视频观看,国产性在线,国产又爽又湿的视频不要,2020无码专区人妻系列日韩精品
01月13日,特斯拉入局中国新型储能:只需塔克拉玛干沙漠0.1%面积,就够14亿人一年用电量“北约视战争如儿戏是极其危险的”,www.oumeihuangse,又爽又色网站,日韩AV毛片精品簧片无码,91精品永久在线观看
01月13日,德总理朔尔茨与乌总统泽连斯基通电话 就乌军事和人道主义局势交流,179902火影,免费人成变态网站网址,人人干人人膜人人,伊人网在线免费视频
01月13日|有民众呼吁针对赖清德上台大陆应取消经济惠台措施 国台办回应|哪个平台可以看毛片|久久妓女妓女av网站|亚洲色图欧美色图日韩|欧美性爱欧美精品品
01月13日|美国加州发生校园枪击事件致1死2伤|国产免费自拍视频|在线吗AV啊做V做|色欲影院www色欲影院|欧美性欧美18一19seX性
01月13日|风投折戟互联网医疗,大厂还在持续下注|Naimi奶咪红宝石骑士|国内愉拍自拍视频在线观看|精品一区二区三区盗摄|www.国产黄色.com
韩警方开始调查尹锡悦涉内乱罪,国资委公布6户央企领导人员任职|第一届银耳产业发展大会在福建古田举行|袖珍女操逼|品尚黄色网|TAFA.ME 特发联盟 最高价格 可包站 可预付|jizz jizz jizz 18
监制:邓金木
策划:赖晗
主创:唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑:王家菁、段圣祺
江苏发布高温红色预警 “火炉”热力全开
土耳其宣布:对伊叙境内库尔德工人党有关目标展开空袭
公安部:重新申领驾照考试只需参加科目一和科目三
2024年海峡两岸青少年棒球邀请赛在福建连城举行
马伊琍:王家卫拍出了我最美的样子
八旬乡贤志在丹青 一笔一画传承中国廊桥文化
黎巴嫩真主党领导人:美国在红海的所作所为将损害航运安全
部长通道丨如何解决“一票难求”、入境游客便利性等问题 部长回应来了→
“新中式”旅游持续升温 “国潮”澎湃中彰显文化自信
四川蓬安:花田舞龙迎“龙抬头”
看黄色电影一级片
一级乱子视频一区二区
美女黑洞洞被人操
超碰av在线黄
啊插的深视频国产
姕孕歪
体检屁眼扎针
免费的欧美黄色网站
九九首页
国精产品久久久久久九九九九免费

闽公网安备 35010302000113号