如何计算图像分割中的平均IU分数？

Question

如何计算平均IU(平均路口过联盟)得分在这个文件？

很长,Jonathan,Evan Shelhamer和Trevor Darrell."用于语义分割的完全卷积网络."

Answer 1

对于每个班级,交叉联盟(IU)得分为:

真阳性/(真阳性+假阳性+假阴性)

该平均IU是简单的平均值的所有类.

关于文件中的符号:

• 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.因此,对于类我:

  • n_ii:正确分类的像素数(真阳性)
  • n_ij:错误分类的像素数(误报)
  • n_ji:错误地没有分类的像素数(假阴性)

你可以找到MATLAB代码直接在Pascak的devkit计算这个位置

Answer 2

 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)