图像分割 dice overlap jaccard Intersection over union区别

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_16949707/article/details/82761434

1 介绍

• Dice
  https://en.wikipedia.org/wiki/Sørensen–Dice_coefficient
  
  交集*2 除以 (并集+交集)，最小为0，最大为1

• jaccard
  
  交集 除以 并集，最小为0，最大为1

• Overlap
  
  交集 除以 最小的那个面积，最小为0，最大为0

• Intersection over Union (IoU)

true positive / (true positive + false positive + false negative)

值的范围也是0到1，所以与jaccard系数的区别是什么？

事实上，iou就是jaccard？
下面提供了计算的方式
https://stackoverflow.com/questions/48260415/pytorch-how-to-compute-iou-jaccard-index-for-semantic-segmentation

kaggle评判规则解读
https://www.kaggle.com/pestipeti/explanation-of-scoring-metric

• 总体意思
  不同iou阈值下的精度，例如iou=0.5时，满足这个iou>=0.5的，就代表被找到了，然后可以算出一个精度，这样，每一个iou的大小都大于0.9了，就代表iout=0.9是精度为1了，还是比较难达到的，所以可以看出这个mean iou还是可以衡量平均水平的，

参考：

https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/
https://en.wikipedia.org/wiki/Overlap_coefficient
https://en.wikipedia.org/wiki/Sørensen–Dice_coefficient
https://en.wikipedia.org/wiki/Jaccard_index