YOLO26n-seg 皮肤镜预处理对照研究

Truong Viet Vu 等作者发布一项防泄漏、按病灶划分的对照研究，用固定的 nano 级 YOLO26n-seg 同时做皮肤病变多类分类与实例分割。他们称，在架构、分辨率、训练预算和评估协议固定、跑三个随机种子的条件下，最少预处理的图像加标准在线增强，比离线类别平衡、DullRazor-CLAHE 预处理以及原始-处理混合视图取得更好的精度-效率权衡。 数据取自 HAM10000 的 10,015 张图像，质控后得到来自 7,468 个独立病灶的 10,013 对有效图像-掩码，并按病灶身份划分互斥集合。作者称离线增强未提升平均性能，组合与混合策略反而降低分类和类感知分割精度。 该模型仅 269 万参数，运行速度约每秒 50 帧。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。