Retour aux projets

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
Comparé U-Net, YOLOv8-seg et Mask R-CNN sur plus de 11 000 images annotées.
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 cherchez un stagiaire avec ce profil ?

Je suis disponible pour un stage de six mois à partir de février 2027. Écrivez-moi, je vous envoie mon CV et je réponds sous 48 heures.