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_14845119/article/details/84863256
论文:Open Evaluation Tool for Layout Analysis of Document Images
Github:https://github.com/DIVA-DIA/DIVA_Layout_Analysis_Evaluator
IAPR 2017
论文提出了一个文档布局分析的基于像素级别的标注化工具。该评测工具已经在ICDAR 2017 文档布局分析大赛中使用。该工具使用java开发,并且官方提供了Restful API。
(a)原图
(b)预测的结果
(c)预测结果图片和原始图片的叠加
使用不同的颜色表示不同的预测结果
绿色:前景预测正确
黄色: 预测出了前景,但是前景的类别预测错误
黑色: 背景预测正确
红色: 背景预测为前景
蓝色: 前景预测为背景
True Positive (TP) :预测为正,label也为正
True Negative (TN) :预测为负,label也为负
False Positive (FP) :预测为负样本,label为正样本,误检
False Negative (FN) :预测为负,label为真,漏检
主要评判的结果包含,
正确匹配率(exact match)
海明距离(Hamming score)
准确性(Precision)
召回率(Recall)
F1值(F1-Score)
杰卡德距离(Jaccard index)
运行:
mvn package
cd target
java -jar LayoutAnalysisEvaluator.jar -gt ../examples/original.png -p ../examples/visualization.png -o ../examples/original.png
结果:
Mean IU (Jaccard index) = 0.00627
EM=0.01 HS=0.38 IU=0.01,0.01[0.01|0.01|0.01|0.01] F1=0.01,0.01[0.01|0.01|0.01|0.01] P=0.75,0.01[1.00|0.65|0.65|0.71] R=0.01,0.01[0.01|0.01|0.01|0.01]Freq:[0.39|0.20|0.20|0.20]
Visualization image written in: ..\examples\visualization.visualization.png
Overlap image written in: ..\examples\visualization.overlap.png