机器学习算法评估指标—2D 语义分割
![机器学习算法评估指标—2D语义分割](https://static001.geekbang.org/infoq/2d/2d4bb023197db119eadfd7968364aa27.png)
语义分割有三大评价指标:执行时间、内存占用以及准确度。下面重点介绍语义分割准确度的评估指标。
PA(Pixel Accuracy)
定义:分类正确的像素点数和所有的像素点数的比值
计算:
![](https://static001.geekbang.org/infoq/72/72751088e1e576762b4025a470f61571.png)
范围:0~100%
用途:这是最简单的度量分割准确性的方式
MPA(Mean Pixel Accuracy)
定义:计算每一类分类正确的像素点数和该类的所有像素点数的比例然后求平均
计算:
![](https://static001.geekbang.org/infoq/eb/eb994def01c88f77ec06acdf7079beef.png)
范围:0~100%
MIoU(Mean Intersection over Union)
定义:计算每一类的IoU然后求平均。一类的IoU计算方式如下:
计算:
![](https://static001.geekbang.org/infoq/6f/6f97f69fd9b4e56c292628d57e676935.png)
范围:0~100%
用途:这是分割任务的标准度量方法,同时考虑了“漏标”和“误标”的情况。MIoU指标由于其代表性和简洁性,成为了评价分割准确性的最常用的指标。
FWIoU(Frequency Weighted Intersection over Union)
定义:根据每一类出现的频率对各个类的IoU进行加权求和
计算:
![](https://static001.geekbang.org/infoq/5d/5d72deb7c3171c0f92d7658190d95633.png)
范围:0~100%
用途:它是对MIoU的改进,每个类的重要性取决于它们出现的频率。
版权声明: 本文为 InfoQ 作者【做技术BP的文案Gou】的原创文章。
原文链接:【http://xie.infoq.cn/article/674c3a6f11cc4de74c1121ef9】。未经作者许可,禁止转载。
评论