Dice系数和IOU之间的区别和联系

转载自：https://blog.csdn.net/baidu_33312138/article/details/104942925，本文只做个人记录学习使用，版权归原作者所有。

 

Dice系数(dice similarity coefficient)和IOU(intersection over union)都是图像分割网络中最常采用的评价指标。传统的分割任务中，IOU是一个很重要的评价指标，而目前在三维图像分割领域，大部分的paper和项目都采用Dice系数这个指标来评价模型优劣。那二者有什么区别和联系呢？

 

首先，Dice和IOU都是衡量两个集合之间相似度的度量，在图像分割领域用来衡量网络分割结果和mask之间的相似性。二者的计算公式如下：

iou指标可以用几何方法给出直观的解释，即IOU=Area of Overlap/Area of Union，即

在上半部分，左上角的正方体是mask，右下方的正方体是网络分割结果，中间蓝色小正方体为mask和分割结果的重叠部分，也就是所谓的TP(True Positives)；在下半部分，蓝色区域面积代表mask和网络分割结果的和再减去TP。把上半部分的图像用术语重新定义一下：

蓝色部分为TP(True Positives)，红色部分为FN(False Negatives)，黄色部分为(False Positives)，根据这样的划分，IOU公式如下：

根据TP,TN,FP,FN的概念，重写Dice的计算公式：

综合两个公式，经过变形，得到

当Dice是0.961951时，对应的IOU是0.926691.我们把Dice看做自变量，IOU看做因变量，上式即为一个函数公式。以Dice为x轴，IOU为y轴，画出函数图像：

可以看出，同等水平下，使用dice系数可以得到一个更高的指标分数。