(1分钟详细教程)wwwO8ⅩXXC0m电脑版v91.4.03.97.86.42.86.240-2265安卓网

k1体育麻将胡了

wwwO8ⅩXXC0m 最近更新|更新列表|字母检索|下载排行|苹果专区|分类导航

目今位置：首页 → 电脑软件 → LOL伞皇树奈奈领证 → wwwO8ⅩXXC0m v4.950.1233 IOS版

wwwO8ⅩXXC0m

wwwO8ⅩXXC0m

  • 电脑版下载
猜你喜欢
标签： wwwO8ⅩXXC0m 毛片激情永久免费
详情
先容
猜你喜欢
相关版本

wwwO8ⅩXXC0m截图Q8X2R7L1T4J5M9B6W3

  • wwwO8ⅩXXC0m v139.0.7258.143 绿色版 0
  • wwwO8ⅩXXC0m v139.0.7258.143 绿色版 1
  • wwwO8ⅩXXC0m v139.0.7258.143 绿色版 2
  • wwwO8ⅩXXC0m v139.0.7258.143 绿色版 3

内容详情

wwwO8ⅩXXC0m

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！

相关版本

    多平台下载

    • PC版

      wwwO8ⅩXXC0m v9.424 安卓漢化版

    • Android版

      wwwO8ⅩXXC0m v4.1 IOS版

    审查所有0条谈论>网友谈论

    揭晓谈论

    (您的谈论需要经由审核才华显示) 网友粉丝QQ群号:766969941

    审查所有0条谈论>>

    相关软件
    FreeⅩXXXVHD日本 欧洲美女免费看视频在线 s8精品加密 欧洲av毛片 色狼屋影视 亚洲五码观看 亚洲欧美成人片在线观看网站 黃色視頻網站在線觀看 欧美日韩一区二区三区色综合 黄片小视频在哪里可以看 日本高清高清视频www 亚洲免费综合黄色网址 免费AV网站网址不卡 黄色精品国产 色爱A∨综合区麻豆 黄色视频A片一区二区 经典三级人人操 高清国产精品强奸 波多野结衣操逼 叼嘿视频网站视频免费未满18 超碰?在线观看免费 天天舔日日夜夜 日本女演员藤泽芳惠 特肥女人一级黄色片 正在播放欧美极品 日本做受❌❌高潮999 裸体噜噜 校花用屁股眼交给学生们视频 中国日本欧美级特黄大片 3d护士被c 黄秘 色色色五月网站 热99re久久国免费超精品首页 中文字幕在视频线一区 国产精品第一页在线播放 天天干夜夜BBWwW美女 日本e片色满满 欧美理论三级a午夜电影www 欧美13一14一级A片 黄片观看视频 欧美激情第69页 被多人 嗯啊大 巴进来了 欧美性精品 一级黄色操女人 色噜噜午夜午伦视频一区二区 欧美性黄片 9o后性爽爽网 精品 国产 精品 自拍 高跟 密圆.cc图片 精品一精品国产一级毛片 毛片大片黄片 黄色网站三级片视频 中文精品久久久影院 99视频这里只有精品 精品福利视频网站 五月婷色色色 激情亚洲中文字幕 亚洲 激情小说 午夜社区 动漫www.被爆 羞羞AV44 18禁流白浆 男人猛进猛出女人屁股动态图 黑人cxxxx av色资源 av觀看網址 国产免费又硬又黄又爽的视频喷水 18岁黄色禁止网站 黃色網址直接觀看 国际AV在线免费观看 外国毛片视频 亚洲一级毛片无码无遮挡 xxlporno video A片网址在线播放 亚洲成av人一区二区免费 国内绝对真实自拍短视频 黄色精品美女 美国xxnx 亚洲羞羞视频 免费A级网站 AV毛片富二代精品香蕉直播 惩罚女生光屁股91网 一区 二区 视频 欧美一区综合 与公翁在客厅添我荫蒂 强操魅魔 美女视频黄视频 欧美牲交a欧美牲交aⅴ片 黄色片网站在线观看网站在线 人人操人人插人人色 日本加比勒视频在线播放 像素护士1.4.0最新版本更新内容 a级大片 色色婷婷资源网站 宝宝帮我扣扣吧 亚洲综合图文偷拍二区 国产美女真人天天爽一级 AA片毛片看在线 s货大声点C 黄色av网站大全 女子高潮喷水视频 大学生91人人摸超碰在线 人人操人人拍 性生录像一级播放 激情狠狠文学网 自拍偷拍二区 激情文学及图片 A片一级黄片免费 纳西妲本子 少妇三A 找轻舞玉蕾丝开档广场舞 黑桃tv改名黑桃 手机在线观看黄色视频免费 欧美特级性爱视频免费观看 苏妲己被 到爽爆视频 人人砬人人摸 亚洲欧美A∨在线播放 久久精品国产亚 纲手179902和152379的区别 国产狼友在线播放视频 黄色片子 18 流白浆 性巴克
    热门网络工具
    网站地图