可以看到,常见的Dice、mIou等指标作为图像分割的主要指标:
1.5.1、混淆矩阵
TP:真阳性(True Positive),被预测为正样本,事实上也是正样本
TN:真阴性(True Negative),被预测为负样本,事实上也是负样本
FP:假阳性(False Positive),被判定为正样本,但事实上是负样本(误报)
FN:假阴性(False Negative),被判定为负样本,但事实上是正样本(漏报)
1.5.2、Dice系数(dice similarity coefficient)(常用)
计算两个样本间相似度,现多用于三维医学图像分割领域
15.3、交并比(intersection over union,IoU)
预测(predict label)与真值(ground truth) 集合的交集与两个集合的并集之比
1.5.4、均交并比(mean intersection over union,mIoU)(常用)
是对所有类的IoU取均值得到的,在语义分割广为使用。
1.5.5、像素精度(Pixel Accuracy)
标记正确的像素占总像素的百分比
1.5.6、召回率(Recall)
预测值为正且真实值也为正在真实值为正的所有样本中所占的比例
1.5.7、频权交并比(FWIoU)
频权交并比(Frequency Weighted Intersection-over-Union, FWIoU)是根据每一类出现的频率设置权重,权重乘以每一类的IoU并进行求和。