【深度学习】语义分割相关评价指标
IoU (Intersection over Union) 从字面意义上来说就是交并比，顾名思义就是两个集合的交集与两个集合的并集之比，可表示图如下：IoU=A∩BA∪BIoU = \frac{A \cap B}{A \cup B}IoU=A∪BA∩B在语义分割任务中，通常使用预测(predict label)与真值(ground truth)之间的交并比作为评价标准，例如在PASCAL、...
·
IoU交并比
IoU (Intersection over Union) 从字面意义上来说就是交并比，顾名思义就是两个集合的交集与两个集合的并集之比，可表示图如下：
I o U = A ∩ B A ∪ B IoU = \frac{A \cap B}{A \cup B} IoU=A∪BA∩B
PASCAL
在语义分割任务中，通常使用预测(predict label)与真值(ground truth)之间的交并比作为评价标准，例如在PASCAL、CityScapes等数据集；在PASCAL数据集的文档中，对于语义分割任务的评价标准利用模型评估的基本指标表达如下：
这里将IoU中交并集关系细化为利用机器学习中的模型指标基本概念来表达，关于真正例、假负例等概念可以参考下图的概念：
结合上述概念表达，将模型指标基本概念填入上述集合图：
说明：
- 红色的GT代表Ground Truth真值，PL代表Predict Label预测值；
- 最外层方框表示整个预测范围，在两个集合并集范围外的那部分为TN（表示模型预测为不是真值Negative，并且预测对了True）
参考
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
1
0- 0
已为社区贡献6条内容
所有评论(0)