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!
最佳答案
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 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。
关于python - fastai - 图像分割的多类度量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58942100/