三篇論文解決「語義分割的優化和評估」難題！魯汶/清華/牛津等聯合提出全新方法

AIGC動態歡迎閱讀

原標題：三篇論文解決「語義分割的優化和評估」難題！魯汶/清華/牛津等聯合提出全新方法
關鍵字：損失,函數,標簽,類別,模型
文章來源：新智元
內容字數：15158字

內容摘要：

新智元報道編輯：LRS
【新智元導讀】現有的語義分割技術在評估指標、損失函數等設計上都存在缺陷，研究人員針對相關缺陷設計了全新的損失函數、評估指標和基準，在多個應用場景下展現了更高的準確性和校準性。優化語義分割模型常用的損失有Soft Jaccard損失，Soft Dice損失和Soft Tversky損失，但它們都和軟標簽不兼容，所以無法支持一些重要的訓練技術（例如標簽平滑，知識蒸餾，半監督學習，多標注員等）。
另一方面，語義分割常用的評價指標有mAcc和mIoU，但是因為它們都會偏向數據集中尺寸較大的物體，所以會嚴重的影響它們對模型安全性能的評估。
為了解決這些問題，魯汶大學和清華的研究人員首先提出了JDT損失。JDT損失是原有損失函數的變體，包括了Jaccard Metric損失，Dice Semimetric損失和Compatible Tversky損失。JDT損失在硬標簽下與原有的損失函數等價，但能完全兼容軟標簽。
研究人員將JDT損失應用于軟標簽的四個重要場景：標簽平滑、知識蒸餾、半監督學習和多標注員，展示了它們提高模型準確性和校準性的能力。論文鏈接：https://ar

原文鏈接：三篇論文解決「語義分割的優化和評估」難題！魯汶/清華/牛津等聯合提出全新方法

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。