computer-vision - 如何计算图像分割中的IU平均得分？

像this纸一样，如何计算IU(联合上的平均交集)得分？

Long, Jonathan, Evan Shelhamer, and Trevor Darrell. "Fully Convolutional Networks for Semantic Segmentation."

最佳答案

对于每个类(class)，联合交叉口(IU)得分是:

true positive / (true positive + false positive + false negative)

平均IU只是所有类别的平均值。

关于本文中的符号:

n_cl:

类的数量

t_i:类i中的像素总数

n_ij:预测属于类j的类i的像素数。所以对于第一个类:

n_ii:正确分类的像素数(真正数)

n_ij:错误分类(误报)的像素数

n_ji:错误地未分类的像素数(假阴性)

您可以在Pascak DevKit here中找到可以直接计算的matlab代码

关于computer-vision - 如何计算图像分割中的IU平均得分？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31653576/

相关文章：

algorithm - 渐变和渐变有什么区别？