研究人员推出了GingivitisSeg,这是一个用于分割口腔内图像中牙龈炎的新公共数据集和基准。该数据集包含961张带有像素级标注的图像,分为训练集、验证集和测试集。评估了七种不同的语义分割模型配置,其中使用ResNet50的UPerNet在平均交并比(mIoU)方面表现最佳。然而,在应用Holm校正后,顶级模型之间的性能差异没有统计学意义。 AI
影响 该数据集和基准可以通过提高牙龈炎检测的准确性来推动AI在牙科诊断中的应用。
排序理由 该集群描述了一个特定AI任务的新数据集和基准,发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- class-weighted cross-entropy loss
- Deeplabv3 Plus
- Dice loss
- GingivitisSeg
- Holm correction
- MiT-B2
- ResNet50
- SegFormer
- UPerNet
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →