圖像語義分割準確率度量方法總結
07-31
圖像語義分割準確率度量方法總結
來自專欄圖像語義分割7 人贊了文章
衡量圖像語義分割準確率主要有三種方法:
- 像素準確率(pixel accuracy, PA)
- 平均像素準確率(mean pixel accuracy, MPA)
- 平均IOU(Mean Intersection over Union, MIOU )
在介紹三種方法之前,需要先說明一些符號表示的意義。
:類別總數,如果包括背景的話就是
:真實像素類別為 的像素被預測為類別 的總數量,換句話說,就是對於類別為 的像素來說,被錯分成類別 的數量有多少。
:真實像素類別為 的像素被預測為類別 的總數量,換句話說,就是對於真實類別為 的像素來說,分對的像素總數有多少。
1.PA
PA的意義很簡單,和我們常規的分類準確率計算沒有區別,就是把分對的像素總量除以像素總數。
2.MPA
MPA是對PA的改進,它是先對每個類計算PA,然後再對所有類的PA求平均。
3.MIoU
在語義分割中,MIoU才是標準的準確率度量方法。它是分別對每個類計算(真實標籤和預測結果的交並比)IOU,然後再對所有類別的IOU求均值。
推薦閱讀:
※ExFuse: Enhancing Feature Fusion for Semantic Segmentation
※語義分割&視頻分割開源代碼集合
※練習題︱圖像分割與識別——UNet網路練習案例(兩則)
※3d segmentation
※第1期(1):計算機-圖像處理技巧(第1篇)
TAG:深度學習DeepLearning | 機器學習 | 圖像分割 |