最も一般的に使用されるセマンティックセグメンテーションは、3つの指標です。次のように説明、混同行列を導入した最初の必要性、の便宜のために:
混同マトリックス |
真価 |
||
ポジティブ |
負 |
||
予測値
|
ポジティブ |
真陽性(TP)真陽性 |
偽陽性(FP)偽陽性 |
負 |
偽陰性(FN)偽陰性 |
真陰性(TN)真の負 |
まず、我々はデータセットクラスk + 1(0 ... k)をそこに想定し、0通常背景を表しています。
P用いIIは、同時に、もともと予測表さクラスIクラスI、すなわち、真陽性(TP)、真陰性(TN)。
PとのIJ発現I本来予測クラスは、クラスj、すなわち、偽陽性(FP)、偽陰性(FN)です。
クラスiは、ポジ型である場合、私!= J、そしてP際、IIは、 TPを表し、PのJJは、 TN、Pの表しのIJ FPを示すが、P JIは FNを示しています。
1)ピクセル精度は、ピクセル精度は、適切にピクセルのピクセルの合計割合をマークされています。次のように式は次のとおりです。
2)リコール、リコール率は、真値の予測値であり、試料1の比も1の実数値のすべてのサンプルで占有されています。次のように式は次のとおりです。
3)平均IOU(平均交差点を超える組合)、およびセマンティックセグメンテーション人々の標準指標として、両方のクロスレシオ使用されています。次のようにIOUの式は次のとおりです。
平均IOU IOUは、すべてのカテゴリーで平均化されます。次のように式は次のとおりです。
古典的な論文「セマンティックセグメンテーションの完全畳み込みネットワーク」にも関連する指標の定義であるが、上記で定義された一般的に同じ。
对一张需要预测的图来讲,图中有背景(0)和2类标签(1、2),共计46 + 34 + 20 = 100个像素点数。如下图所示:
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 2 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 2 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 2 |
0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 2 | 2 |
0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 2 | 2 |
0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 2 | 2 |
0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 2 | 2 |
0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 2 | 2 |
0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 2 | 2 |
0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 2 | 2 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 2 |
0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 2 | 2 |
1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 2 | 2 |
0 | 1 | 1 | 1 | 1 | 1 | 0 | 2 | 2 | 2 |
0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 2 | 2 |
0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 2 | 2 |
1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 2 |
1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 2 |
如上所示,第一幅图为GT所标注出来的真实类别情况,第二幅图为预测的类别情况。
则首先计算混淆函数:
混淆矩阵 |
真实值(46、34、20) |
|||
类别0 |
类别1 |
类别2 |
||
预测值 |
类别0 |
40 |
4 |
6 |
类别1 |
5 |
30 |
0 |
|
类别2 |
1 |
0 |
14 |
求法:
对角线上的值 / 对角线所在行、列其它值之和 + 对角线值
则:
类别0的IoU:40 /(40 + 4 + 6 + 5 + 1) = 0.714
类别1的IoU:30 /(5 + 30 + 0 + 4 + 0) = 0.769
类别1的IoU:14 /(1 + 0 + 14 + 6 + 0) = 0.667
Mean IoU:(1 / 3)*(0.714 + 0.769 + 0.667 ) = 0.717