关于语义分割常见的评价指标
目录
1. 介绍
2. 语义分割常见的性能指标
3. demo
1. 介绍
计算机视觉的三大任务:图像分类(识别)、图像分割、目标检测
关于图像分割可以分为三类:语义分割、实例分割、全景分割
其中,语义分割就是将图像的不同语义划分出来,图像的语义就是某一部分代表什么意思。例如,将下面图像中的飞机分割出来
实例分割就是对不同类别的分割,比如都是飞机,但是,不是同一种或者同一个飞机
而全景分割,就是前两者的综合
2. 语义分割常见的性能指标
语义分割常见的评价指标有下面几种,global acc、mean acc、mean iou
其中,global acc是相对于逐个像素点的分割,其实分割也可以看成是像素点的分割,所以global acc就是图像分类任务中的acc识别的正确率
mean acc是不同类别召回率的均值
mean iou 就是集合间的交并
一般来说,global acc不是特别重要,因为语义分割当中,前景的区域往往不是特别多。也就是说如果分割网络的预测值都是背景0的话,哪怕这个网络什么都没学到还是会有个不错的global acc
3. demo
因为分割也可以看出单个像素点的分类,所以这里将结果显示成混淆矩阵的形式
global acc就是分类任务中的acc
global acc = 对角线 / 矩阵的和(图像的分辨率 = 像素点的总和 = h * w)
mean acc 是不同类别的召回率的均值
recall : 真正label中,预测正确的比重
mean acc = 单个对角线的值 / 所在列 ,求均值
上面需要求均值
iou 就是预测和真实的交并比,mean iou就是不同类别交并比的均值
mean iou = 单个对角线的值 / (所在列 + 所在列 - 单个对角线的值) ,求均值
上面需要求均值