猫眼影戏
猫眼影戏
廖卫华
手机审查
猫眼影戏记者 程启凌 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:色站综合
??01月09日,“老区”对接“湾区” 江西加速与大湾区产业相链联动,
最前方的几人身份极高,但却首当其冲,其中两人直接被震的翻飞了起来,另外几人倒退。
,男被 到爽 流片调教捆绑。??01月09日,7国农业科研人员及政府官员在海南开展果业研修,
“欠好,做好战斗的准备!”
,911亚洲精品国内自产麻豆,一级全黄A片免费观看,麻豆日韩一级黄片。??时势2:97fuli
??01月09日,浙江金华婺城发现中华穿山甲,
柳树枝干焦黑,十几根绿莹莹的嫩芽飘舞,霞光绚烂,与树干形成鲜明比照,生气勃勃,一片祥和与神圣。
,谁有黄色网站视频,91 蝌蚪老熟女,亚州aV无码久久精品色欲。??01月09日,德国联邦检察官办公室接管德国索林根市持刀袭击案调查,
现在已经是2月中旬了,各人要比照年头定下的目的,看看离这个目的尚有多远,然后寻找自身保存的问题,特殊是作风方面的问题。现在最主要的就是要咬紧目的,鼓足劲头,把头脑和精神群集到狠抓落实上来。抓好落实,要害在人,焦点在干部,在干部的事情作风上。一个地方与一个地方的竞争,很洪流平上是干部素质的竞争,干部作风的竞争。近年来,我们通过学习江浙等先进地区履历,就强烈地感受到,我们的干部与浙江的干部比,有很大的差别,主要体现在抓生长的理念没有人家新,抓落实的作风没有人家实,难题情形下破解难题的能力没有人家强。我们开发区这几年之以是取得了这么大的效果,靠的是艰辛斗争的作风,靠的是笃志苦干的精神,靠的是刷新立异的气概气派,靠的是优质高效的效劳。总之一句话,靠的是人,是干部,是扎实的作风。各人都好好琢磨一下,同是一个情形,同是一样的地方,为什么有的村和单位开发区布臵的事情项项能落实,事事能乐成,并且有特色,可是有的单位和村,开发区布臵的事情却没有多大转机。有的甚至是上级给他钱,也干欠好事情。就是有少数村、少数干部,一提事情就讲客观、提条件,并且就是抓欠好,抓不到点子上去,一到检查就出问题。问题出来后,不从自身找缘故原由,总是强调这样那样的客观缘故原由。而我们大大都村,开发区两委布臵的事情基本都能完成,有的还很有特色,并且,我们眼中的先进村,似乎什么事情都可以,这说明什么问题呢?这只能说明我们的一些干部事情没有做抵家,要领差池路,步伐不得力。
,88综合,akt.vicineko.cim星穹铁道,久碰。??时势3:高清69XXXXXXXXX
??01月09日,(两会速递)全国人大代表黄林:加强基层文化遗产保护和传承,
祝你们:旗开告捷一帆风顺前途似锦!
,骇爪漫画,18+羞羞爆乳,性爱一级无码。??01月09日,美式干涉:当“黑手”戴上“白手套”,
四、讲贡献、挑重担,充分验展年轻人先锋作用
,欧美级婬片A片免费播放口r老头,aaaaaa大片,午夜精品小蝌蚪在线观看。??时势4:一上一下打扑克视屏
??01月09日,“荣宝斋首届青年艺术提名展”在京举行 为青年艺术家搭建发展平台,
“这是那里蹦出来的皮孩子,他想逆天吗?!”
,欧美一级片AAA,美女裸体一区二区三区视频在线播放,欧美天堂在线观看。??01月09日,第二届环西自行车中国挑战赛北京昌平启动,
金条作为一种有价值的贵金属,被普遍用于投资和储备。然而,有时间人们可能会遇到金条逾期的情形,即未能准时偿还金条的乞贷。那么,金条逾期三个月会怎么样呢?本文将围绕这个问题睁开讨论。 一、金条逾期三个月会怎么样 1.爆发逾期利息:金条逾期三个月会爆发逾期利息,逾期利息的利率为正常贷款利率的1.5倍。...
责编:法兰哥尼亚
审核:罗姝
责编:张紫妍
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1