极性边缘距离损失

即插即用提升分割精度

一种通用边缘监督损失，可无缝集成到任何语义分割模型，以更低计算开销获得比现有边界损失更高的精度提升。

Jianye, Yi · Xiaopin, Zhong · 刘维湘 · 吴宗泽 · 邓元龙

Engineering Applications of Artificial Intelligence 2025

技术优势

即插即用

不要求修改主干网络结构，复制解码头即可添加边缘监督辅助任务。

计算开销更低

PED损失的计算复杂度低于其他边界损失，易于集成且训练负担小。

边缘更准

对单部件闭合物体提升更显著，边缘定位更精确。

应用场景

• 语义分割模型训练：作为即插即用损失函数提升现有分割模型的边缘精度。
• 自动驾驶视觉感知：提升道路场景中车辆、行人等闭合物体的边缘分割准确性。
• 医学图像分割：在器官、病灶等单部件目标上获得更清晰的边缘分割结果。