圖像語義分割準確率度量方法總結

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:

  1. 像素準確率(pixel accuracy, PA)
  2. 平均像素準確率(mean pixel accuracy, MPA)
  3. 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。

k :類別總數,如果包括背景的話就是 k+1

p_{ij} :真實像素類別為 i 的像素被預測為類別 j 的總數量,換句話說,就是對於類別為 i 的像素來說,被錯分成類別 j 的數量有多少。

P_{ii} :真實像素類別為 i 的像素被預測為類別 i 的總數量,換句話說,就是對於真實類別為 i 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 |