Otsu
PulseAugur coverage of Otsu — every cluster mentioning Otsu across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
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。
-
Decision-FLIP框架为高斯占用模型实现无预算结构化剪枝
研究人员开发了Decision-FLIP,一种用于剪枝高斯占用模型的新颖框架,无需预定义预算。该方法使用无标签的校准输入来评分和选择要删除的行,旨在提高模型效率。Decision-FLIP已证明在模型大小和延迟方面有显著降低,合格行节省高达79%,延迟节省高达45%,同时在主要终点上保持高准确性。
-
组织病理学AI模型的准确性取决于组织检测方法
一篇新的研究论文探讨了组织病理学伪影检测流程中的初始组织检测步骤如何显著影响基于扩散的模型(diffusion-based models)的准确性。通过在The Cancer Genome Atlas (TCGA) 载玻片上测试不同的组织检测方法,研究人员发现,用一种基于熵(entropy-based)的方法替换标准的Otsu检测方法,可以将假阳性从0.102大幅降低到0.016,而不会影响敏感性。这种改进归因于训练池的构成,特别是排…
-
新型MAAPO算法通过受生物启发的优化增强图像分割
研究人员开发了一种名为MAAPO的新型膜算法,该算法将人工原生质体优化器(APO)与膜计算框架相结合。该方法旨在增强复杂优化问题的种群多样性和搜索动态。增强的APO模型利用基于轮盘的适应度-距离平衡机制进行自适应参考点选择,从而改善了算法的探索-利用平衡。MAAPO在CEC2017测试套件上已证明其性能优于其他12种算法,并已成功应用于多阈值图像分割,在分割质量上优于现有方法。