猫眼影戏
 |
|
猫眼影戏
瑞特
手机审查
猫眼影戏记者 周翠丽 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：宋小睿胸罩颜色大还是黑色
??01月06日,上海市政协十四届二次会议开幕 将创新拓展对外交往平台、渠道和领域,
这次的教学事情会后，各人身上的担子很重 。一方面各教学单位要抓紧时间消化聚会精神，力争聚会上的讨论效果都能够落到实处 。同时各单位认真人还要做好宣传事情，使周全推行学分制刷新的意义、作用，我院学分制刷新的实验能够为每个西席所相识，并普遍征求他们的意见，使学分制能够深入人心 。另一方面，各教学单位还要针对学分制的实验重新修定本单位的教学妄想，这项事情要在下学期初完成不但时间紧迫、事情量相当大，并且还关系到我院学分制能否正常实验，以是希望各教学单位抓紧时间起劲落实 。
,欧美一级a性爱视频 。??01月06日,前6月饮料类商品零售额同比增5.6% 市场呈现新亮点,
只是一年多来，它陷入沉眠，这才终止 。
,笔盒beatbox永久免费,另类残虐性行为视频无码,中文字幕一区二区在线观看 。??时势2：被各种玩具玩到高潮开裆
??01月06日,第四届中德重庆国际教育论坛开幕 探讨AI时代中德教育合作前景,
“谁人十四五岁的小崽子真歹毒，那几箭都是他放的，若非他们村中的一位老者摇了摇头，他绝对会连杀我们多人 。”二猛的父亲全身是血的说道 。
,蛋小绿产牛奶(黄),美女脱👙看见大白奶,在线黄色网站免费观看 。??01月06日,美国“龙”飞船载4名宇航员启程返回地球,
“你一小我私家要战我们三个 ？不知天高地厚！”雷明远站在一旁，嘴角泛起一丝冷冽的笑意，道：“肉身强盛并不代表什么，在这个天下宝术才是最强的，没有神通在身，仅凭血肉之躯能强悍到什么田地 ？”
,日批视频免费看40分钟,八重神子和丘丘人繁衍后代的视频,欧美AA级三级片 。??时势3：cc微博至尊版舞蹈
??01月06日,福建泰宁兴起“零碳”旅游热 暑期游客纷至沓来,
第三，坚持统筹兼顾，充分验展好综合协调作用 。“ 总揽全局、协调各方”是党委的主要事情原则 。加速生长，党委是司令部，是指挥中心，但需要几套班子和各地各部分同心协力、亲近配合，搞好“大合唱”，才华确保各项使命落到实处 。为此，党委办公室必需善于统筹兼顾，善于综合协调，普遍调动各方面的起劲因素，协调解理好方方面面的关系，综合运用向导实力、部分实力和群众实力，营造向导抓、抓向导的气氛 。从协调的内容看，党委办公室要善于抓大事，抓要害环节，抓主要单位 。从协调的工具看，党委办公室对内要相同协调党委向导班子，对外要相同协调党委、人大、政府、政协等向导班子，对下要相同协调下级党委、政府及同级职能部分 。通过党委办公室这个运转枢纽，增强综合协调，多轮齐转，形成事情协力，推动全局事情 。
,精品在线观看播放AV免费,精品国产一区在线,欧一美一性一交一精品 。??01月06日,公安部公布6起打击整治非法制售“特供酒”犯罪“净风”专项行动典型案例,
三、种种的文体活动 自学生会建设以来学生会为了富厚我系校园文化建设，凭证学生现真相形乐成的举行了一系列的特色活动，现在我们回首下学生会一年来活动的开展情形 。 去年，10月份，我系体育部组织开展了第一届“迎新杯”篮球赛 。
,海贼王18+下载安装入口,黄片三区,在线免费看黄色网址 。??时势4：欧美性A片人喾交A片
??01月06日,广州一单层汽配仓库发生火灾 暂无人员伤亡,
“若是为我幼子讨一个说法也算入魔的话，今日我无妨堕完工魔！”石子陵大吼，满头发丝狂舞，沐浴在炽盛的金光中，大步向前冲去，无人能与之争锋 。
,国产美女性干黄片,97人妻操,小县城妹子的表演视频 。??01月06日,春运高峰遇2009年来最强雨雪冰冻考验 全国道路安全出行天气地图助你平安回家,
他全身喷薄神辉，光点一粒又一粒，密密麻麻，像是有无数的神明在吟唱，在诵经，在发光，照耀青天 。
,MM131王雨纯被 喷水视频,全部免费A级毛片观看,欧美大黑棒 。责编：刘增良
审核：塔尔
责编：杜世忠
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
