AutoThreshold

新的AutoThreshold方法改进了自适应掩码二值化

研究人员开发了AutoThreshold，一种新颖的自适应掩码二值化事后策略，其性能优于Otsu等传统方法。这种新方法联合学习分数箱中正负像素的混淆轮廓，从而实现更鲁棒的阈值选择。AutoThreshold在各种数据集和流水线上的Dice分数和其他F-beta目标方面均取得了显著的提升，将联合混淆预测确立为可度量重定向任务的宝贵归纳偏置。