为什么分割任务使用 Dice Coefficient 而不是 IOU？

Question

我一直在使用见过的人IOU作为度量detection任务，Dice Coeff为segmentation任务。除了骰子赋予相交部分两倍的权重之外，这两个指标在等式方面看起来非常相似。如果我是对的，那么

Dice: (2 x (A*B) / (A + B))
IOU : (A * B) / (A + B) 

更喜欢用骰子进行分割和使用 IOU 进行检测有什么特别的原因吗？

Answer 1

这并不完全正确。

Dice 系数（也称为 Sørensen-Dice 系数和 F1 分数）定义为 A 和 B 交集面积的两倍除以 A 和 B 的面积总和：

Dice = 2 |A?B| / (|A|+|B|) = 2 TP / (2 TP + FP + FN)

（TP=真阳性，FP=假阳性，FN=假阴性）

IOU（Intersection Over Union，也称为Jaccard Index）定义为交集面积除以并集面积：

Jaccard = |A?B| / |A?B| = TP / (TP + FP + FN)

注意A和B的面积之和与A和B的并集面积不同。特别是如果有100%的重叠，那么一个是另一个的两倍。这就是 Dice 系数中“两次”的原因：它们都被定义为，100% 重叠时，值为 1，0% 重叠时，值为 0。

使用哪一种取决于个人喜好和每个领域的习惯。你看到一个领域更多地使用一个人与机会比其他任何事情都更相关。有人开始使用 Dice 系数进行分割，其他人也紧随其后。有人开始使用 IOU 进行检测，其他人也紧随其后。