Как рассчитать средний показатель IU в сегментации изображения?

Question

Как вычислить среднее значение IU (среднее пересечение над соединением) оценка как в this бумага?

Длинные, Джонатан, Эван Шелхамер и Тревор Даррелл. «Полностью сверточные сети для семантической сегментации».

Answer 1

Для каждого класса Пересечения над Union (IU) ИВК является:

истинный положительный/(истинный положительный + ложноположительный + ложноотрицательный)

означает, IU является просто средним по всем классам.

---

Что касается обозначений в статье:

• n_cl: число классов
• t_i: общее количество пикселей в классе я

• n_ij: количество пикселей класса i Предполагается, что они относятся к классу j. Так что для класса я:

  • n_ii: число правильно классифицированных пикселей (истинные позитивы)
  • n_ij: число пикселей ошибочно классифицированных (ложных срабатываний)
  • n_ji: число пикселей ошибочно не классифицирован (ложноотрицательные)

Вы можете найти код MatLab, чтобы вычислить это непосредственно в DevKit Pascak here

Answer 2

Это должно помочь

def computeIoU(y_pred_batch, y_true_batch): 
    return np.mean(np.asarray([pixelAccuracy(y_pred_batch[i], y_true_batch[i]) for i in range(len(y_true_batch))])) 

def pixelAccuracy(y_pred, y_true): 
    y_pred = np.argmax(np.reshape(y_pred,[N_CLASSES_PASCAL,img_rows,img_cols]),axis=0) 
    y_true = np.argmax(np.reshape(y_true,[N_CLASSES_PASCAL,img_rows,img_cols]),axis=0) 
    y_pred = y_pred * (y_true>0) 

    return 1.0 * np.sum((y_pred==y_true)*(y_true>0))/np.sum(y_true>0)