图像分割的性能测试指标小结
来源:互联网 发布:数据分析师等级考试 编辑:程序博客网 时间:2024/05/01 05:56
图像分割性能评估方法,主要从文本检索中借鉴而来。因为我们可以将分割的像素点根据是否有无标记,映射到文本的相关性与否上来,这样就可以将文本检索中的性能评估引入到图像分割性能评估中。文本检索中两个重要指标分别是precision/准确率和recall/回归率。
以这两个指标为基础,并总结参考文章,图像分割性能评估主要有以下几种指标。
1.AP(Average Precision)
以recall为横坐标(0~1),precision为纵坐标(0~1)作图。得到一条曲线。该曲线下的面积即为AP。
该图上红色曲线的覆盖面积最大,其对应算法的结果性能在几种算法中最优。
对所有类别求平均值,得到MAP。
其中Q为类别数。
举例:如在《Learning Rich Feartures from rgbd images for object detection & segmentation》中,作者采用的评估策略就是AP。
同时,Fmax指的就是F-Measure,其计算公式为:
其中 B是参数,P是精确率(Precision),R是召回率(Recall)。
2.IU/IoU(Intersection over Union)
对于两个区域R和R’,其overlap计算如下:
其covering指标计算为:
举例:《 Fully Convolutional Networks for Semantic Segmentation》中使用IU指标。
此外,在《Selective Search》中还使用了ABO指标如下。可以看到其本质上就是IoU。
对于每个固定的类别c,每个真实情况(ground truth)表示为 ,令计算得到的位置假设L中的每个值l,那么 ABO的公式表达为:
重叠率的计算方式:
上面结果给出的是一个类别的ABO,对于所有类别下的性能评价,很自然就是使用所有类别的ABO的平均值MABO(Mean Average Best Overlap)来评价。
3.其他指标
上述两项比较常用,大家普遍采用。还有一些评估策略,如PRI等。列出如下。
具体可参考论文《Measures and Meta-Measures 2013 CVPR paper》
-----------------------------------------------------------------------------------------------
参考文献
[1] Measures and Meta-Measures for the Supervised Evaluation of Image Segmentation.">Jordi Pont-Tuset and Ferran Marques Universitat Politecnica de Catalunya BarcelonaTech
[2] Scene Parsing with Object Instances and Occlusion Ordering. Joseph Tighe Marc Niethammer Svetlana Lazebnik
[3] Contour Detection and Hierarchical Image Segmentation.>Pablo Arbelaez, ´ Member, IEEE, Michael Maire, Member, IEEE,Charless Fowlkes, Member, IEEE, and Jitendra Malik, Fellow, IEEE.
[4] Simultaneous Detection and Segmentation.Bharath Hariharan1, Pablo Arbel´aez1,2, Ross Girshick1, and Jitendra Malik.
- 图像分割的性能测试指标小结
- 性能测试的指标
- 图像语义分割的衡量指标详解
- 图像分割中各个指标的计算方法
- 性能测试指标的基本概念
- 性能测试指标的基本概念
- 性能测试指标的基本概念
- 性能测试指标的获取
- 性能测试指标的基本概念
- 常用的性能测试指标
- 应用于客户端的性能测试指标
- 网络性能测试中用到的指标
- 系统性能测试的关键评价指标
- 性能测试常见的观察指标
- Web性能测试的常用指标
- 性能测试需关注的关键指标
- 性能测试应该关注的指标
- 性能测试指标介绍
- 提供一个“多线程(或进程)同时退出时判断是哪些线程退出”的方法
- 12.1简介Object类
- 基于用户画像大数据的电商防刷架构
- C++中继承总结
- 存储过程详解
- 图像分割的性能测试指标小结
- 小白配置使用freeline入门
- MySQL内核深度优化
- 腾讯云从零部署nodejs站点
- jQuery设计思想
- JavaScript快速上手之8:for 循环
- Android M 特性 Doze and App Standby模式详解
- 使用Mybatis-Generator自动生成Dao、Model、Mapping相关文件
- 清楚windows网络共享密码