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。