🧠 دقت بالاتر در قطعه‌بندی تصاویر با هوش مصنوعی!

محققان مدل جدیدی به نام DAUPNet را معرفی کرده‌اند که تحولی در حوزه «قطعه‌بندی معنایی چند-دامنه‌ای» (CD-FSS) ایجاد می‌کند.

مشکل اصلی در این حوزه، ناتوانی مدل‌ها در تشخیص درست بخش‌های تصویر هنگام تغییر دامنه داده‌هاست (مثلاً وقتی مدل از داده‌های طبیعی به داده‌های پزشکی تغییر وضعیت می‌دهد). DAUPNet با استفاده از تکنیک «مدل‌سازی عدم قطعیت»، به جای اتکای صرف به پروتوتایپ‌های قطعی، ابهامات را شناسایی کرده و با دقت بسیار بالاتری مرزهای تصویر را تشخیص می‌دهد.

این مدل به‌ویژه در کاربردهای حساس مثل تحلیل تصاویر پزشکی، نتایج خیره‌کننده‌ای (بالای ۷۶٪ دقت) ثبت کرده است.

🔗 لینک گیت‌هاب پروژه

منبع: arXiv AI