web-dev-qa-db-ja.com

画像セグメンテーションで平均IUスコアを計算する方法は？

this 論文のようにmean IU（平均ユニオンの交差）スコアを計算する方法は？

ロング、ジョナサン、エヴァンシェルハマー、トレバーダレル。 「セマンティックセグメンテーションのための完全な畳み込みネットワーク。」

computer-visionimage-segmentationevaluation-strategy
18
hkcqr

各クラスのUnion上の交差点（IU）スコアは次のとおりです。

真陽性/（真陽性+偽陽性+偽陰性）

mean IUは、単にすべてのクラスの平均です。

論文の表記について：

  • n_cl：クラスの数
  • t_i：クラス内のピクセルの総数i

  • n_ij：クラスiのクラスに属すると予測されるクラスのピクセル数j。クラスiの場合：

    • n_ii：正しく分類されたピクセルの数（真陽性）
    • n_ij：誤って分類されたピクセル数（誤検知）
    • n_ji：誤って分類されていないピクセル数（偽陰性）

Pascak DevKitでこれを直接計算するmatlabコードを見つけることができます here

26
Miki
 from sklearn.metrics import confusion_matrix  
 import numpy as np

 def compute_iou(y_pred, y_true):
     # ytrue, ypred is a flatten vector
     y_pred = y_pred.flatten()
     y_true = y_true.flatten()
     current = confusion_matrix(y_true, y_pred, labels=[0, 1])
     # compute mean iou
     intersection = np.diag(current)
     ground_truth_set = current.sum(axis=1)
     predicted_set = current.sum(axis=0)
     union = ground_truth_set + predicted_set - intersection
     IoU = intersection / union.astype(np.float32)
     return np.mean(IoU)
12
Alex-zhai

これは役立つはずです

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)
2
stochastic_zeitgeist