- 透明比较多语言自然语言处理数据集中的语言多样性的一种度量
提出了一种评估数据集语言多样性的方法,通过比较语言特征集合的 Jaccard 指数来分析,发现大部分流行的多语种数据集中缺乏多种语言类型,特别是 (poly) synthetic languages。
- 使用知识蒸馏压缩 nnU-Nets 进行机载云检测
本研究基于 nnU-Nets 架构进行云检测,使用知识蒸馏方法压缩到更小的 U-Net 网络,实验结果在 Sentinel-2 和 Landsat-8 卫星图像上达到了 0.882 的 Jaccard 指数,尽管规模几乎缩小了 280 倍。
- Jaccard 度量损失:通过软标签优化 Jaccard 指数
本文提出了一种称为 Jaccard metric losses(JMLs)的 IoU loss 变体,可与软标签兼容,在 Cityscapes、PASCAL VOC 和 DeepGlobe Land 三个语义分割数据集上相对于交叉熵损失有显 - Jaccard 指数的进一步推广
对 Jaccard 指数及其相关的一些扩展进行理论研究,包括一种新的巧合指数,该指数在比较两个实体集时可以考虑相对内含度的水平,适用于连续向量空间、多重集、密度和通用标量场的扩展,以及量化两个随机变量之间的联合相互依赖性的方法。
- 医学图像分割的优化:在评估 Dice 分数或 Jaccard 指数时的理论和实践
本文探讨了利用度量敏感损失函数训练卷积神经网络在分割任务中优于基于交叉熵损失函数的效果,特别是在关注分割性能度量指标如 Dice 分数和 Jaccard 指数时,採用度量敏感损失函数效果更好的结论。
- 基于照明的变换改进皮肤镜图像中的皮损分割
本文提出了基于深度学习和皮肤照明成像物理的深度语义分割框架,该方法结合了 RGB 图像和从不同光谱颜色的照明不变的灰度图像、阴影衰减图像等不同信息,应用于三个数据集并取得了 12.02%、4.30% 和 8.86% 的平均 Jaccard - CVPR密集场景中的精准检测
本研究提出一种基于深度学习的物体精确检测方法,使用 Jaccard 指数作为检测质量分数,通过 EM 合并单元来解决重叠物体的问题,并在 SKU-110K 上表现良好,实验结果显示优于现有的最先进方法。
- 基于聚合多分辨率跳跃连接的深度卷积编码器 - 解码器用于皮肤病变分割
本研究提出一种利用金字塔池化模块的编码 - 解码神经网络模型,通过深度跳跃连接聚合全局上下文并补偿丢失的空间信息,以提供标准化的皮肤黑色素瘤患者计算机辅助分析,并通过 ISIC 2018 数据集的训练和验证,在 Jaccard 系数上取得了 - 利用 ConvNet 多样性进行洪水识别
本篇研究针对全球最昂贵的自然灾害类型 —— 洪水灾害进行监测,使用深度学习技术进行高分辨率遥感图像中的洪水辨识,效果优于现有技术,评价指标 Jaccard Index 提升了 1 至 4 个百分点。
- CVPRLovász-Softmax 损失函数:神经网络中交并比最优化时的可行替代
该研究提出了一种基于凸形 Lovász 扩展损失的直接优化平均交并比损失的方法,并在语义图像分割的情况下应用于神经网络,证明了该方法在整个数据集上优化 Jaccard 指数时性能更好,基于该方法的语义分割管道在 PASCAL VOC 和 C - AVX2 指令加速人口统计速度
本文介绍一种使用 SIMD 指令来计算二进制流中数字 “1” 的数量的方法,该方法在最近的英特尔处理器上可以比专用指令快两倍以上,并且已被 LLVM 采用。
- MM关于地球移动距离的确定性及其与集合交的关系
本文通过集合论的解释,从正定核的角度提出了 Earth Mover's Intersection (EMI) 方法,与 Earth Mover's Distance (EMD) 类似,可以有效地解决不同大小的集合的问题。同时,作者提供了一些 - NIPS优化拟线性性能度量的理论:以 F - 度量为例
研究了一些非线性性能度量的理论属性,包括 F - 度量,Jaccard 指数等,将这些性能度量优化问题归约为具有未知成本的成本敏感分类问题,并提出了一种具有可证明保证的算法来获得近似最优分类器以解决 F - 度量优化问题。