分层或_die：重新思考图像分割中的数据划分
计算机视觉与模式识别
2025-09-26 v1
摘要
图像分割中随机划分数据集常常导致代表性不足的测试集，进而引发评估偏差和模型泛化能力差异。虽然分层抽样在分类任务中有效解决标签分布不均衡问题，但将其扩展到分割任务仍面临多标签结构和数据中常见的类别不平衡挑战。基于现有分层概念，我们提出了迭代像素分层（Iterative Pixel Stratification, IPS），一种为分割任务量身定制的简单且标签感知的抽样方法。此外，我们提出了基于Wasserstein距离最小化的演化分层方法（Wasserstein-Driven Evolutionary Stratification, WDES），这是一种新型遗传算法，旨在优化数据划分间标签分布的相似性。我们证明了在足够的迭代次数后，WDES具有全局最优性。通过提出的统计异质性指标，对比随机抽样，实验结果表明WDES始终能够产生更具代表性的划分方案。将WDES应用于街景、医学影像和卫星图像等多种分割任务，均能降低性能波动，提高模型评估效果。我们的研究还表明，在小规模、不平衡且样本多样性低的数据集上，WDES展现出尤为重要的价值，而常规划分策略在此类场景下最易引入偏差。
引用
@article{arxiv.2509.21056,
title = {Stratify or Die: Rethinking Data Splits in Image Segmentation},
author = {Naga Venkata Sai Jitin Jami and Thomas Altstidl and Jonas Mueller and Jindong Li and Dario Zanca and Bjoern Eskofier and Heike Leutheuser},
journal= {arXiv preprint arXiv:2509.21056},
year = {2025}
}
备注
Preprint, 9 pages