python - fastai - 图像分割的多类度量

Question

我目前正在探索如何使用 fastai 将 Dice 度量应用于多类分割问题。我查了一下概念，发现 Dice 和 F1Score 确实很相似。接下来，我有两个关于其实现的问题 fastai.metrics :

• dice() 和 fbeta(beta=1) 输出有何不同？
• MultiLabelFbeta 类适合多标签图像分割用例吗？
• 如果没有，是否有现有的指标可以帮助我？

非常感谢您，祝您有美好的一天!

Answer 1

1. Dice 指标通常应等于 Fbeta(beta=1)。根据框架的不同，实现上可能会略有不同。但是，由于它们本质上非常相似，因此它们可以互换用作问题的指标。

如果您有多个重叠的蒙版，则可以使用

2. MultiLabelFbeta。也就是说，如果您的分段标签不是相互排斥的。

例如，狗和猫具有互斥的像素(即属于猫的像素永远不会属于狗，反之亦然)。但是，如果您有“T 恤”和“人类”类别，那么很明显存在重叠:人们穿着 T 恤，因此属于 T 恤的像素很可能属于人类。

注意术语! MultiLabel 与MultiClass 不同。对于后者，标签是互斥的；对于前者，它们不是(T 恤 + 人类示例)。

如果您遇到多类分割问题，则 Dice/Fbeta 是相关指标。如果您遇到多标签分割问题，那么 MultiLabelFbeta 是一个很好的指标。