类别最优融合
为语义分割任务提供一个类别级的结果融合算法，通过贪心选择专家网络并按类别自适应加权，使不同类别都能从最擅长的网络中获益。
Qinfeng, Zhu · Fan, Lei
Neural Networks 2025
通过贪心选择为每个类别挑选擅长该类的专家网络，并按其验证集性能自适应加权，使每个类别都能借助最优网络的结果，从而克服单一网络类别性能不均衡的问题。
融合后进一步用 CRF 的一元和成对势优化分割结果，确保空间连续性和边界准确性，避免类别加权融合可能引入的局部噪声。
该方法作为结果级融合，无需修改基础网络结构，可直接与已有的八种经典及先进分割网络结合，在不同数据集上实现稳定提升，展现出良好的通用性。