机器学习算法评估指标——3D语义分割

3D语义分割是在三维点云中对每个点进行分类,属于同一类的点都要被归为一类。 例如如下场景,属于建筑的点都要分成一类,属于植物的点也要分成一类。下面重点介绍3D语义分割算法的评估指标。

PA(Point Accuracy)

  • 定义:总体的分类准确度,分类正确的点数和点云总点数的比值
  • 范围:0~100%
  • 用途:这是最简单的度量分割准确性的方式

MPA(Mean Point Accuracy)

  • 定义:平均分类准确度,计算每一类分类正确的点数和该类的所有点数的比值然后求平均
  • 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:
假设P11表示本属于1类且被预测为1类的点数,X1表示本属于1类的点数,Y1表示被预测为1类的点数,
则1类的 IoU = P11 / (X1 + Y1 - P11)
  • 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
  • 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。
已标记关键词 清除标记
相关推荐