郑州轻工业大学梅科尔工作室基于PaddleX开发了恶性皮肤肿瘤早期识别智能辅助筛查系统，利用皮肤镜和语义分割模型实现快速且精确的识别。该系统能降低漏诊和误诊的风险，节约时间和人力资源，提高医疗服务质量和效率。

成都理工大学的研究人员提出了SCDUNet++，一种结合了卷积神经网络和Transformer的语义分割模型，能够准确识别和提取滑坡特征，性能优于其他深度学习模型。该模型在滑坡测绘和迁移性方面表现出优势。

本研究提出一种在线无监督域自适应算法，通过最小化源潜在特征与目标特征之间的分布距离，改善图像的语义分割模型在未注释领域上的泛化性能。

本文介绍了一种新方法，用于分析语义分割模型的稳健性，并提供了评估分类性能的指标。该方法结合了另一种传感器以自动化处理过程，消除了手工标注需求。实验结果表明，语义分割模型的性能受到天气、相机参数和阴影等因素的影响，并演示了如何比较和验证改进后的模型性能。

本研究提出一种在线无监督域自适应算法，通过最小化源潜在特征与目标特征之间的分布距离，改善图像的语义分割模型在未注释领域上的泛化性能。

本研究提出了一种在线无监督域自适应算法，通过最小化源潜在特征与目标特征之间的分布距离，改善图像的语义分割模型在未注释领域上的泛化性能。

本研究提出了一种在线无监督域自适应算法，通过最小化源潜在特征与目标特征之间的分布距离，改善图像的语义分割模型在未注释领域上的泛化性能。该方法通过近似源潜在特征分布减少对源样本的需求，实验证明其在未注释领域的泛化性能上具有竞争优势。

该文介绍了一种半监督学习的语义分割模型，可将从像素级别注释的强类别中学到的分割知识转移到只有图像级别注释的弱类别中，从而扩大了深度分割模型的适用范围。该模型由标签转移网络和预测转移网络组成，在PASCAL VOC 2012数据集上实现了与完全监督基线相近的性能，只使用50％和0％的像素级别注释类别。

UniParser是一种新的语义分割模型，通过统一实例级和类别级输出，避免手动设计的后处理技术，超越了现有方法，在MHPv2.0和CIHP数据集上实现了较高的AP。该研究将发布源代码、预训练模型和在线演示以促进未来研究。

最近，研究人员提出了一种名为MixReorg的新方法，用于解决语义分割模型在像素级学习细粒度语义对齐和预测准确的对象掩码方面的困难。该方法通过混合图像补丁生成细粒度的补丁-文本对数据，并训练模型以最小化混合图像的分割损失和原始和恢复特征的对比损失。MixReorg模型具有高度可概括的像素-语义对齐能力，无需进一步微调即可应用于分割任意类别的视觉对象。该方法在PASCAL VOC2012、PASCAL Context、MS COCO和ADE20K等基准测试中表现出强大的性能。

最近，研究人员提出了一种名为MixReorg的新方法，用于解决语义分割模型在像素级学习细粒度语义对齐和预测准确的对象掩码方面的困难。该方法通过混合图像补丁生成细粒度的补丁-文本对数据，并训练模型以最小化混合图像的分割损失和原始和恢复特征的对比损失。MixReorg模型具有高度可概括的像素-语义对齐能力，无需进一步微调即可应用于分割任意类别的视觉对象。该方法在PASCAL VOC2012、PASCAL Context、MS COCO和ADE20K等基准上展示出强大的性能。