于立涛；李志斌；徐敏；高永胜；罗杰波；张健 用于图像语义分割的分布感知边缘校准。 （英语） Zbl 1489.68329号 国际期刊计算。视觉。 130，编号1，95-110（2022）. 小结：雅卡德指数（Jaccard index），也称为交集-重叠-联合（Intersection-over-Union，IoU），是图像语义分割中最关键的评估指标之一。然而，由于学习目标既不可微也不可分解，因此IoU分数的直接优化非常困难。虽然已经提出了一些算法来优化其代理，但并不能保证其泛化能力。本文提出了一种可直接用作学习目标的裕度校准方法，以改进IoU在数据分布上的泛化，并以刚性下限为基础。该方案在理论上确保了在IoU分数方面更好的分割性能。我们在七个图像数据集上评估了所提出的边缘校准方法的有效性，结果表明，与使用深度分割模型的其他学习目标相比，IoU得分有了显著提高。 MSC公司： 68T45型 机器视觉和场景理解 关键词：语义分割；边缘校准；意向书；Jaccard索引 软件：10万孟加拉塔卡；深度实验室；掌中宽带；ADE20k公司；PASCAL挥发性有机化合物；地图视觉；城市风光 PDF格式BibTeX公司 XML格式引用 \textit{L.Yu}等人，《国际计算杂志》。视觉。130，编号1，95--110（2022；Zbl 1489.68329） 全文： 内政部 arXiv公司 参考文献： [1] Abraham，N.和Khan，N.M.（2019年）。一种新的局部tversky损失函数和改进的注意u-net用于病变分割。收录于：ISBI第683-687页。 [2] Ahmed，F.、Tarlow，D.和Batra，D.（2015）。优化与候选约束crf的预期交集重叠。收录于：ICCV，第1850-1858页。 [3] Allan，M.、Shvets，A.、Kurmann，T.、Zhang，Z.、Duggal，R.、Su，Y.H.、Rieke，N.、Laina，I.、Kalavakonda，N.、Bodenstedt，S.等人（2017）。机器人仪器分割挑战。CoRR公司 [4] Berman，M.、Rannen Triki，A.、Blaschko，M.B.（2018年）。lovász-softmax损失：神经网络中交叉重叠度量优化的一种易处理的替代方法。收录于：CVPR，第4413-4421页。 [5] Blaschko，M.B.和Lampert，C.H.（2008）。学习使用结构化输出回归定位对象。收录于：ECCV，第2-15页。 [6] Boser，B.E.，Guyon，I.M.，Vapnik，V.N.（1992年）。一种最优边缘分类器的训练算法。摘自：第五届计算学习理论年度研讨会论文集，第144-152页。 [7] Cadena，C.和Košecká，J.（2014）。异构传感器覆盖的语义分割。收录于：ICRA，第2639-2645页。 [8] Caesar，H.、Uijlings，J.和Ferrari，V.（2018）。Coco-stuff：上下文中的事物类。收录于：CVPR，第1209-1218页。 [9] Cao，K.、Wei，C.、Gaidon，A.、Arechiga，N.和Ma，T.（2019年）。学习具有标签分布感知的边际损失的不平衡数据集。收录于：NIPS，第1567-1578页。 [10] Chen，L。；帕潘德里欧，G。；科基诺斯，I。；墨菲，K。；Yuille，A.，Deeplab:深度卷积网络、反褶积和全连接crf的语义图像分割，IEEE模式分析和机器智能学报，40，4，834-848（2017）·doi:10.1109/TPAMI.2017.2699184 [11] Chen，L.C.、Zhu，Y.、Papandreou，G.、Schroff，F.和Adam，H.（2018年）。用于语义图像分割的带可分离卷积的编码器-解码器。收录于：ECCV，第801-818页。 [12] Cheng，B.、Chen，L.C.、Wei，Y.、Zhu，Y.，Huang，Z.、Xiong，J.、Huang、T.S.、Hwu，W.M.和Shi，H.（2019）。Spgnet：场景解析的语义预测指南。收录于：ICCV，第5218-5228页。 [13] Choi，S.、Kim，J.T.和Choo，J.（2020）。汽车不能在空中飞行：通过高度驱动的注意力网络改善城市场景分割。收录于：CVPR，第9373-9383页。 [14] Cordts，M.、Omran，M.，Ramos，S.、Rehfeld，T.、Enzweiler，M.和Benenson，R.、Franke，U.、Roth，S.和Schiele，B.（2016）。用于语义城市场景理解的城市景观数据集。收录于：CVPR，第3213-3223页。 [15] 丁浩、蒋兴、帅乙、刘安庆和王国荣（2018）。用于场景分割的上下文对比特征和门限多尺度聚集。收录于：CVPR，第2393-2402页。 [16] 丁·H。；蒋，X。；Shuai，B。；刘，AQ；Wang，G.，带上下文编码和多径解码的语义分割，IEEE图像处理汇刊，29，3520-3533（2020）·Zbl 07586119号 ·doi:10.1109/TIP.2019.2962685 [17] 埃博德，T。；Bertels，J。；伯曼，M。；Vandermeulen，D。；梅斯，F。；比斯科普斯，R。；Blaschko，MB，《医学图像分割优化：用骰子得分或雅卡指数评估时的理论和实践》，IEEE医学成像学报，39，11，3679-3690（2020）·doi:10.1109/TMI.2020.3002417 [18] Everingham，M。；南非埃斯拉米；Van Gool，L。；威廉姆斯，CK；温，J。；Zisserman，A.，《pascal视觉对象类挑战：回顾》，《国际计算机视觉杂志》，111，1，98-136（2015）·doi:10.1007/s11263-014-0733-5 [19] Fu，J.，Liu，J.、Tian，H.、Li，Y.、Bao，Y.，Fang，Z.和Lu，H.（2019）。用于场景分割的双重注意网络。收录于：CVPR，第3146-3154页。 [20] Grabocka，J.、Scholz，R.、Schmidt-Thieme，L.（2019年）。学习代理损失。CoRR公司 [21] Hariharan，B.、Arbeláez，P.、Bourdev，L.、Maji，S.和Malik，J.（2011年）。反向检测器的语义轮廓。收录于：ICCV，第991-998页。 [22] He，K.，Zhang，X.，Ren，S.，&Sun，J.（2016）。用于图像识别的深度残差学习。收录于：CVPR，第770-778页。 [23] Hu，J.，Shen，L.，&Sun，G.（2018年）。挤压和励磁网络。收录于：CVPR，第7132-7141页。 [24] 卡里米，D。；Salcudian，SE，用卷积神经网络减少医学图像分割中的hausdorff距离，IEEE医学成像汇刊，39，2499-513（2019）·doi:10.1109/TMI.2019.2930068 [25] Ke，T.、Hwang，J.、Liu，Z.和Yu，S.（2018）。用于语义分割的自适应关联字段。收录于：ECCV，第587-602页。 [26] Kervadec，H.、Bouchtiba，J.、Desrosiers，C.、Granger，E.、Dolz，J.和Ayed，I.B.（2019年）。高度不平衡分割的边界损失。收录于：MIDL，第285-296页。 [27] Khan，S.、Hayat，M.、Zamir，S.W.、Shen，J.和Shao，L.（2019）。在不确定性中取得正确的平衡。收录于：CVPR，第103-112页。 [28] Li，Y.、Zaragoza，H.、Herbrich，R.、Shawe-Taylor，J.和Kandola，J.（2002）。边缘不均匀的感知器算法。摘自：ICML，第379-386页。 [29] Lin，T.Y.、Goyal，P.、Girshick，R.、He，K.和DolláR，P.（2017）。密集目标检测的焦点丢失。收录于：CVPR，第2980-2988页。 [30] Liu，X.，Wang，Y.，Wang.，L.等（2019）。图相关变量的Mcdiarmid型不等式和稳定性界。收录于：NIPS，第10890-10901页。 [31] Long，J.、Shelhamer，E.和Darrell，T.（2015）。语义分割的完全卷积网络。收录于：CVPR，第3431-3440页。 [32] Loshchilov，I.，Hutter，F.（2019年）。解耦权重衰减正则化。在：ICLR中。 [33] 马，J。；陈，J。；Ng，M。；黄，R。；李毅。；李，C。；Yang，X.先生。；Martel，AL，医学图像分割中的失落之旅，医学图像分析，71，102035（2021）·doi:10.1016/j.media.2021.102035 [34] 莫赫里，M。；Rostamizadeh，A。；Talwalkar，A.，《机器学习基础》（2018），伦敦：麻省理工学院出版社，伦敦·Zbl 1407.68007号 [35] Nagendar，G.、Singh，D.、Balasubramanian，V.N.、Jawahar，C.（2018）。Neuro-iou：学习语义分割的替代损失。收录于：BMVC，第278页。 [36] Neuhold，G.、Ollmann，T.、Rota Bulo，S.和Kontschieder，P.（2017年）。用于街道场景语义理解的地图视景数据集。收录于：CVPR，第4990-4999页。 [37] Neyshabur，B.，Li，Z.，Bhojanapalli，S.，LeCun，Y.，Srebro，N.（2018年）。超参数化在神经网络泛化中的作用。In：ICLR。 [38] Nowozin，S.（2014年）。概率模型的最优决策：交叉-重叠案例。收录于：CVPR，第548-555页。 [39] Rahman，M.A.和Wang，Y.（2016）。优化深度神经网络中用于图像分割的交集覆盖。摘自：视觉计算国际研讨会，第234-244页。 [40] Ronneberger，O.、Fischer，P.和Brox，T.（2015）。U-net：生物医学图像分割的卷积网络。收录于：MICCAI，第234-241页。 [41] 俄勒冈州Russakovsky。；邓，J。；苏，H。；克劳斯，J。；Satheesh，S。；马，S。；黄，Z。；Karpathy，A。；科斯拉，A。；Bernstein，M.，Imagenet大规模视觉识别挑战，国际计算机视觉杂志，115，3，211-252（2015）·doi:10.1007/s11263-015-0816-y [42] Salehi，S.S.M.、Erdogmus，D.和Gholipour，A.（2017年）。使用三维全卷积深度网络进行图像分割的Tversky损失函数。摘自：医学成像机器学习国际研讨会，第379-387页。 [43] Shen，D.、Ji，Y.、Li，P.、Wang，Y.和Lin，D.（2020）。Ranet：用于语义分割的区域注意网络。单位：NIPS。 [44] Sudre，C.H.、Li，W.、Vercauteren，T.、Ourselin，S.和Cardoso，M.J.（2017年）。广义骰子重叠作为高度不平衡分割的深度学习损失函数。摘自：医学图像分析的深度学习和临床决策支持的多模态学习，第240-248页。 [45] Sun，C.、Shrivastava，A.、Singh，S.和Gupta，A.（2017年）。重新审视深度学习时代数据的不合理有效性。收录于：CVPR，第843-852页。 [46] 王，G。；刘，X。；李，C。；徐，Z。；阮，J。；朱，H。；孟，T。；李凯。；黄，N。；Zhang，S.，从ct图像中自动分割肺炎冠状病毒肺炎病变的抗噪框架，IEEE医学成像学报，39，8，2653-2663（2020）·doi:10.1109/TMI.2020.3000314 [47] Wang，J。；Sun，K。；程，T。；江，B。；邓，C。；Zhao，Y。；刘，D。；Mu，Y。；Tan，M。；Wang，X.，用于视觉识别的深度高分辨率表示学习，IEEE模式分析和机器智能汇刊，43，10，3349-3364（2020）·doi:10.1109/TPAMI.2020.2983686 [48] Wang，L.，Li，D.，Zhu，Y.，Tian，L.和Shan，Y.（2020）。用于语义分割的双超分辨率学习。收录于：CVPR，第3774-3783页。 [49] Wong，K.C.、Moradi，M.、Tang，H.和Syeda-Mahmood，T.（2018年）。对于高度不平衡的对象大小，具有指数对数损失的三维分割。收录于：MICCAI，第-619页。 [50] Xiao，J.和Quan，L.（2009）。街景图像的多视图语义分割。在ICCV中，第-693页。 [51] Xiao，T.、Liu，Y.、Zhou，B.、Jiang，Y.和Sun，J.（2018）。用于场景理解的统一感知解析。收录于：ECCV第418-334页 [52] Xu，D.，Ouyang，W.，Wang，X.，&Sebe，N.（2018）。Pad-net：多任务引导的预测和蒸馏网络，用于同时进行深度估计和场景解析。CVPR第675-684页 [53] 徐宏，L.、Grandvalet，Y.和Davoine，F.（2018）。卷积网络传递学习的显式归纳偏差。载于：ICML，第2825-2834页 [54] Yu，F.，Chen，H.，Wang，X.，Xian，W.，Chen。Bdd100k：异构多任务学习的多样驱动数据集。收录于：CVPR，第2636-2645页 [55] Yu，F.，Koltun，V.（2015）。通过扩展卷积进行多尺度上下文聚合。CoRR公司。 [56] Zhao，H.、Shi，J.、Qi，X.、Wang，X.和Jia，J.（2017）。金字塔场景解析网络。收录：CVPR，第2881-2890页 [57] Zhao，H.，Zhang，Y.，Liu，S.，Shi，J.，Change Loy，C.，Lin，D.，&Jia，J.（2018）。Psanet：用于场景解析的点式空间注意网络。收录于：ECCV第267-283页。 [58] Zhou，B.、Zhao，H.、Puig，X.、Fidler，S.、Barriuso，A.和Torralba，A.（2017）。通过ade20k数据集进行场景解析。收录于：CVPR，第633-641页。 [59] 周，B。；赵，H。；普格，X。；萧，T。；菲德勒，S。；Barriuso，A。；Torralba，A.，通过ade20k数据集对场景进行语义理解，《国际计算机视觉杂志》，127，3，302-321（2019）·doi:10.1007/s11263-018-1140-0 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。