二级片网址,一款汇聚潮流与创新的应用,带你领略科技与生活的完美融合

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

语义支解别无脑用Argmax!港中文新算法:三行代码,推理速率提升10倍

2026-01-07 08:49:17
泉源:

猫眼影戏

作者:

郭坤庆

手机审查

  猫眼影戏记者 罗琳 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:国产原创亚洲精品麻豆aa

??01月07日,“京剧第二故乡”传承国粹热 弟子苦练“梨园曲”,

  也许,只有闭关的族长与有数的一两人不会受惊,由于数十年前,他们在谁人大雨滂沱、电闪雷鸣的雨夜,见到了更为恐怖的场景 。

,黄色视频在线播放区网站 。

??01月07日,陕西黄河壶口瀑布山水交响演出《黄河大合唱》开演,

  他们绝一直留,一起上向着狈村偏向而去,意料那些人搬着极重的巨兽走不远 。山中有显着的痕迹,猛兽的毛发、鲜血、鳞片等指引了狈村人离去的路径 。

,2020国内自拍,真人无码作爱视频在线观看,玄兵大战倾辛全部作品 。

??时势2:啊灬啊灬啊灬快灬3p按摩

??01月07日,二月二龙抬头 民众扎堆“剃龙头” ,

  蛟鹏眼中发出野兽般的光束,神色极其不善,恨不得连忙动用族中的至强宝术,将小不点一巴掌按进地里 。

,免费观看视频久久,91黄在线观看亚洲国产,久久99免费 。

??01月07日,全球圈粉!“悟空”IP引爆打卡热潮 周边产品上线“秒空”,

  “远古遗种争斗了两年,还未曾退走?”银色的雄伟宝殿内,那高屋建瓴的至尊宝座上,一个清静而又威严的声音传来 。

,手机看片地址,春色校园综合人妻AV视色,免费三级片毛片黄片 。

??时势3:青春草成年人在线免费观看视频

??01月07日,雨水送寒北方冷空气将至 台风“桃芝”影响华南地区,

  县人民医院是卫生行业的排头兵,是全县规模最大、整体手艺水平最高、功效最全、责任最重的综合型医院和抢救中枢 。效果的取得归功于医院团结、务实、锐意进取的向导班子,归功于一支听从阵势、爱岗敬业、默默贡献的医院职工步队 。适才,贺院长对医院年度事情举行了周全总结,杨院长作了x年岁情安排,我完全赞成 。下面,我就来年医院事情讲几点意见 。

,成年人免费视频在线看,久久免费无码Av级毛片,欧美性爱苐一页 。

??01月07日,智能化手段助中老铁路跑出互利共赢加速度,

  “啪”

,人人人人摸人人干,国产精品一区二区视频,男男女女啪啪啪影院 。

??时势4:激情图片717

??01月07日,国台办:民进党当局妄想给正义行动“划线设禁”是不自量力,

  这让石村许多人惊叫,神色一下子白了 。

,视频一区亚洲天堂网,被c出水 快点流出来了软件,全国男人的天堂之天堂网 。

??01月07日,黑龙江省哈尔滨市政府原副秘书长李占河被开除党籍和公职,

  我们愿以自己的起劲和汗水换来 十九 中 中考 效果新的突破!

,一级大黄片干的啪啪,血腥肢解本子,无尽 裸体 女同 喷水 。

【龙乐豪谈长征系列运载火箭未来发展趋势:大、快、高、低】

【在黑色煤田上书写“绿智答卷”】

责编:穆罕默德·赫加齐

审核:温达

责编:陈丹婷

相关推荐 换一换

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

网站地图