考虑数据分布损失的图像分割

在图像分割任务中,损失函数的选择直接影响模型的收敛过程和最终精度。交叉熵损失函数(cross-entropy loss,CEL)具有稳定的收敛性,但在面临数据分布不均衡的情况下精度较低。Dice损失函数(Dice loss,DL)通过区域面积计算,在处理不均衡数据时能够获得较高的精度,但在多类别数据集上难以训练。为了解决这些问题,提出了一种的交叉熵损失函数(Dice cross-entropy loss,DCEL),它对正样本使用交叉熵计算损失值,而对负样本使用交叉熵与交并比(IOU)的乘积计算损失值。这样设计使得DCEL在多类别数据集上梯度与误差正相关,有利于模型的收敛性,并通过压缩负样本损失值提升对正样本的关注度,从而提升了图像分割算法的精度。DCEL的性能在ADE20k、PASCAL VOC、LoveDA和HRF数据集上进行了验证。

新型自助肉汤烧饼售卖机设计

传统的肉汤经营方式有着费时、费人力、熬汤火候难以精细掌控、占用空间资源较大、不够便捷等缺点。本产品通过自动控制的方式实现牛肉汤的制作、售卖,能够有效的解决以上问题。