【語意分割】??偷偷驚呆所有人 1?? 語意分割簡介
- 概述
- 影像分割
- 語意分割
- 指標
- 混淆矩陣
- IOU
- Dice
概述
語意分割 (Semantic Segmentation) 在計算機視覺 CV 領域有著舉足輕重的地位, 在醫療, 無人駕駛等領域有廣泛的應用. 從今天開始我們將通過理論講解和實戰來開啟語意分割 (Semantic Segmentation) 的大門.
影像分割
影像分割 (Image Segmentation) 指的是根據某些規則將圖片分成若干個特定的, 具有獨特性質的區域, 并抽取出感興趣的目標.
目前影像分割任務領域:
- 語意分割 (Semantic Segmentation)
- 實體分割 (Instance Segmentation)
- 全景分割 (Panoptic Segmentation)
語意分割
語意分割 (Semantic Segmentation) 通過一系列的演算法, 將圖片分割成有一定語意的區塊, 并對圖片里的每一個像素給予一個正確的語意標簽.
指標
混淆矩陣
混淆矩陣 (Confusion Matrix) 是以可視化矩陣的形式來表示演算法的性能. 如圖:
- 第一位 T/F: 表示預測的對錯
- 第二位 P/N: 表示預測的結果
- 準確率 (Precision): TP / (TP + FP) 評估預測的準確性, 也就是混淆矩陣中的列
- 召回率 (Recall): TP / (TP + FN) 即查全率, 評估找的全不全, 也就是混淆矩陣中的行
- F1: (2 * Precision * Recall) / (Precision + Recall)
IOU
IOU (Intersection Over Union) 反應了預測位置和真實物位置的相似度.
IOU = 交集 / 并集:
Dice
Dice 系數 (Dice Coefficient) 是一種集合像素度度量函式, 通常用于計算兩個樣本的相似度, 取值范圍在 [0,1].
Dice 系數其實就等于 IoU 分子分母各加了一個 AB 交集:
Dice 損失 = -log(Dice)
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/330447.html
標籤：其他