XiaoMi-AI文件搜索系统
World File Search System使用实例
MarineSt：使用实例视觉描述的海洋图像分析的基础模型
摘要。最近在大量数据的基础模型中表现出了广泛的计算机视觉任务和应用程序领域的巨大希望。但是，对海洋领域的关注较少，相比之下，这涵盖了我们蓝色星球的大多数。标记数据的稀缺性是最受阻碍的问题，海洋照片说明了与一般空中图像的外观和内容的明显不同。使用现有的基础模型进行海洋视觉分析不会产生令人满意的性能，这不仅是数据分布的变化，而且还因为现有基础模型的内在限制（例如，缺乏语义，冗余掩码生成或限于图像级别的场景理解）。在这项工作中，我们强调了了解海洋生态系统的模型和数据方法。我们介绍了MarineSt，这是一个使用实例视觉描述分析海洋领域的基础模型，该模型可为海上对象实例输出实例掩盖和字幕。to
使用实例和实体中心分割损失函数
在本文中，我们提出了一种新型的两组分损失，用于生物医学图像分割任务，称为实例和实例中心（ICI）损失，这是一种损失函数，在使用像素损失功能（例如骰子损失）时，通常会遇到实例不平衡问题。实例组件改善了具有大型和小实例的图像数据集中的小实例或“斑点”的检测。实体中心组件提高了整体检测准确性。我们使用ATLAS R2.0挑战数据集的Miccai 2022。与其他损失相比，ICI损失提供了更好的平衡分段，并以改进1的改善而显着超过了骰子损失。7-3。7％，斑点损失为0。6-5。0％的骰子相似性系数在验证和测试集中，这表明ICI损失是实例不平衡问题的潜在解决方案。关键字：实例和实体中心细分损失，细分损失。