セマンティック セグメンテーションの評価基準:
一般的に使用されるのは次のとおりです。
- グローバルacc(場所によってはPAと呼ばれる)、
- mAcc(MPAと呼ぶところもあるようです)、
- mIoU
mIoU が最もよく使われているようで、多くの論文では結果を示すときにのみ mIoU を使用しています。
下の図を理解できなくてもパニックにならないでください。
インジケーター計算方法(混同行列):
1.global acc:
2.mAccは
mAccの5つの値を加算し平均をとることで得られます
3.mIoU
同様に5つのiouを加算し平均してmIOUを求めます
要約:
実用的な意味:
miou が大きいほど、予測されたセグメンテーション領域が実際のラベル領域と (同様に) 一致し、モデルがより優れたものになります。これは、mean-acc にも同じことが当てはまると思います。
注意すべき点: 紛らわしい場所があります。global acc は PA とも呼ばれ、mAcc は場所によっては MPA と呼ばれるようです。この 2 つは少し異なるようです。
- Global Acc (PA) は、カテゴリに関係なく、グローバルであり、ただ 1 つです。
- mAcc (MPA) は、まずさまざまなカテゴリの acc を持ち、次にすべてのカテゴリを合計して平均して mAcc を取得します。
ちょうど絵のように:
-
PA (グローバル Acc) は、すべての正しいピクセル数 (カテゴリに関係なく) / 画像内のピクセル数です。
-
cla-acc = 特定のカテゴリの正しい数 / この画像内のこのカテゴリの実ピクセルの総数
-
cls-iou は、予測したクラスの正しい面積/予測面積と実際の面積の合計です。
上記は私が自分でメモしたものですので、間違いがあればご指摘いただけると幸いです。!
参考:
http://t.csdn.cn/Fk7u8
https://www.bilibili.com/video/BV1ev411P7dR/?spm_id_from=333.788.recommend_more_video.0