Aller au contenu
Retour aux réalisations

Benchmark de segmentation

Senretsu

Comparer des modèles de segmentation sur des structures fines, où la connectivité compte plus que le recouvrement.

images annotées
11k+images annotées
familles de modèles comparées
3familles de modèles comparées

Le problème

Les pertes de segmentation classiques sur-dilatent les structures fines et cassent leur connectivité, ce qui fausse les mesures en aval.

Ce que j'ai construit

  1. 1

    Comparé U-Net, YOLOv8-seg et Mask R-CNN sur plus de 11 000 images annotées.

  2. 2

    Intégré la perte clDice dans U-Net pour réduire la sur-dilatation et préserver la connectivité.

Résultats

  • Une comparaison reproductible montrant comment le choix de la perte change la topologie des prédictions sur structures fines.

Vous avez un problème similaire ?

Décrivez-le moi. Je réponds sous 48 heures avec une première lecture du problème et un avis honnête sur l'adéquation.

Réserver un appel