显著性目标检测模型评价指标（三）——F-measure

#显著性目标检测模型评价指标 之 F-measure原理与实现代码

目录

一、F-measure原理

上篇博客中，我们介绍了PR曲线，但是很多情况下，不管是查准率Precision还是查全率Recall均不能比较全面地对我们模型所提的显著性图片进行评估。因此，人们提出了F度量值(F-measure)：查全率和查准率在非负权重$ \beta $下的加权调和平均值(Weighted Harmonic Mean) [1]，计算公式如下：

**$ \beta $的取值：\ast \ast 由许多做显著性目标检测的工作[2],[3],[4]经验所得，$ \beta ^2 $一般取值为0.3，即增加了Precision的权重值，认为查准率比查全率要重要些。因为当模型将输出图全部标为目标区域时，查全率Recall将等于100%，但是查准率Precision却很低。

阈值选取：如上篇博客中所讲，计算Precision和Recall值时，需要将输出图谱S先进行二值化，因为计算F-measure值不需要绘制曲线，所以我们不需像PR曲线那样从0到255来取阈值。我们对于不同的显著性图S自适应地来确定二值化阈值，自适应阈值定义为显著性图谱S像素均值的二倍，计算公式如下：

其中W和H分别为模型输出的显著性图谱S的长和高，S(x,y)为在点(x,y)处S的取值。

##三、 Matlab代码

function [Fmeasure]=F_measureHanle
%本程序的功能是对显著性特征提取的结果计算F-measure值。
%by hanlestudy@163.com
clc
clear
imnames=dir(path_output);  
imnames2=dir(path_target);  
num=length(imnames);
belt2=0.3;
reca = zeros(num,1);
prec = zeros(num,1);
for i=1:num
    Target=imread(imnames2(i).name);%读图
    mark = Target(:,:,1);
    mark = mark/max(mark(:));%二值化Ground-truth
    Output=imread(imnames(i).name);
    thresh=2*mean(mean(mean(Output)));  %自适应阈值
    label=reshape(mark,1,256*256);
    score=reshape(Output(:,:,1),1,256*256); 
    sco_th0=(score)>thresh;
    sco_th=uint8(sco_th0);
    TP = length(find((label == 1) & (sco_th == 1)));
    FP = length(find((label == 0) & (sco_th == 1)));
    FN = length(find((label == 1) & (sco_th == 0)));
    reca(i,1) = TP/(TP+FN);
    prec(i,1) = TP/(TP+FP);
    i
end
P=mean(prec);
R=mean(reca);
Fmeasure=((1+belt2)*P*R)/(belt2*P+R)
 

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

##参考文献
[1]: A. Borji, M.-M. Cheng, H. Jiang, and J. Li. Salient object detection: A benchmark. IEEE TIP, 24(12):5706–5722, 2015.
[2]:R. Achanta, S. Hemami, F. Estrada, and S. Süsstrunk, “Frequencytuned salient region detection,” in Proc. IEEE Conf. CVPR, Jun. 2009, pp. 1597–1604.
[3]:M.-M. Cheng, N. J. Mitra, X. Huang, P. H. S. Torr, and S.-M. Hu, “Global contrast based salient region detection,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 37, no. 3, pp. 569–582, Mar. 2015.
[4]:F. Perazzi, P. Krahenbuhl, Y. Pritch, and A. Hornung, “Saliency filters: Contrast based filtering for salient region detection,” in Proc. IEEE Conf. CVPR, Jun. 2012, pp. 733–740.