二值图像分割评估指标详解：从MAE到F-measure的全面指南与代码实践

最新推荐文章于 2024-10-04 20:45:38 发布
最新推荐文章于 2024-10-04 20:45:38 发布
阅读量335 收藏
点赞数
分类专栏： 算法杂谈 文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38334677/article/details/133201839
版权
算法杂谈 专栏收录该内容
266 篇文章 515 订阅 ¥19.90 ¥99.00
订阅专栏
本文深入解析二值图像分割的评估指标，包括MAE、Precision和Recall、F-measure以及PR曲线的概念和代码实践，指导如何在实际应用中选择和优化这些指标。
摘要由CSDN通过智能技术生成

1. 引言

在计算机视觉领域，图像分割是一个核心任务，它的目标是将图像分割成多个部分或区域，每个区域代表一个或多个对象。二值图像分割是图像分割的一个子集，其中图像只有两个可能的值：0（通常表示背景）和1（通常表示前景或对象）。为了评估二值图像分割的效果，研究者们提出了多种评估指标。本文将详细介绍这些指标，并提供相应的代码实践。

2. MAE (Mean Absolute Error)

2.1 概念

MAE 是一个常用的回归分析指标，但在图像分割中，它可以用来衡量分割结果与真实标签之间的平均绝对误差。简单地说，它计算了预测值与真实值之间的平均差异。

2.2 代码实践
import numpy as np

def calculate_mae(predict
了解本专栏 订阅专栏 解锁全文
快撑死的鱼
关注
专栏目录
订阅专栏
显著性目标检测评价指标Smeasure, wFmeasure, MAE, adpEm, meanEm, maxFm
qq_50988206的博客
03-08 2291
结构度量是一种综合评估指标，用于评估预测的分割结果与真实分割之间的结构相似性。它考虑了分割结果的边缘连通性、区域完整性和边界偏移等因素，值越接近1表示分割结果与真实分割结构越相似。是精度和召回率的加权平均值，其中精度衡量了分割结果中正确分类的像素数量，而召回率衡量了所有真实正例中被正确分类的像素数量。在图像分割任务中，它衡量了预测边界位置与真实边界位置之间的平均距离，值越小表示预测结果与真实结果之间的差异越小。在整个图像上的最大值，它表示了分割结果与真实分割之间的最大结构相似性。
PR-F-measure-MAE:显着性指标值原始码
03-23
PR-F-措施-MAE 显着性指标值原始码改一下路径以及注意自己的图片尺寸
二值化图像分割的评价标准的实现
liuweizj12的博客
06-08 1551
import numpy as np # 获得混淆矩阵 def BinaryConfusionMatrix(prediction, groundtruth): """Computes scores: TP = True Positives 真正例 FP = False Positives 假正例 FN = False Negatives 假负例 TN = True Negatives 真负例 return: TP, FP, FN, TN.
【霹雳吧啦】手把手带你入门语义分割11：U2-Net 网络结构（Block 结构：RSU-L）& 损失计算 & F-measure 指标 & MAE 指标 & DUTS 数据集
作者正在煮茶中...
12-20 2075
这篇文章是我根据 B 站 霹雳吧啦Wz 的《深度学习：语义分割篇章》所作的第十一篇学习笔记，先是简单展示了 U2-Net 网络与当年主流网络的效果对比，然后具体讲解了 U2-Net 网络结构，相当于一个大的 U-Net 中套了一堆小的 U-Net ，且 Block 有 RSU-L 和 RSU-4F 两种结构，接着列出了损失计算公式，以及 2 种常用评价指标 F-measure 和 MAE 的计算公式，最后简单介绍了 DUTS 数据集。作者小白，请多包涵！
医学图像分割评判标准及程序代码
JH灰色的博客
10-22 1万+
1.图像分割指标 前言 在医学分割算法中，通常医生的手绘标注作为金标准（Ground Truth，简称GT），其他算法分割的作为预测结果（Rseg,简称SEG）。 分类问题 考虑一个二分类的情况，类别为1和0，我们将1和0分别作为正类（positive）和负类（negative），则实际分类的结果有4种，表格如下： 从这个表格中可以引出一些其它的评价指标： ACC：classification ...
python实现二分类分割精度评价指标批量计算并保存为txt文件（F1、mIoU、recall、precision、accuracy）
ZRX_GIS
04-12 1927
from PIL import Image import os import json # 获取四个值 # TP：被模型预测为正类的正样本(预测道路且标签道路) # TN：被模型预测为负类的负样本（预测背景且真实背景） # FP：被模型预测为正类的负样本（预测道路但真实背景） # FN：被模型预测为负类的正样本（预测背景但真实道路） def get_vaslue(predict_folders_path, label_folders_path): # 加载文件夹 predict_fold
为评估二值图像分割结果而开发的，包括 MAE、Precision、Recall、F-measure、PR 曲线和 F-measu
07-11
这个 repo 是为评估二值图像分割结果而开发的。 已实施的措施 MAE 平均绝对误差 Precision, Recall, F-measure (这是sal_eval_toolbox中算法的python实现) 精确召回曲线 精确召回曲线 F-测量曲线 更多详情、...
matlab中的f-measure代码-Evaluate-SOD:使用GPU实现对显着对象检测的一键式快速评估，包括MAE、MaxF-meas
06-04
matlab中的f-measure代码显着目标检测评估（Evaluate SOD） 使用 GPU 实现对显着性对象检测的一键式快速评估，包括MAE、Max F-measure、S-measure、E-measure 。 代码是从 matlab 版本重新实现的，这些版本可以从 ...
使用 GPU 实现的一键快速评估显着性对象检测，包括 MAE、Max F-measure、S-measure、E-measure
07-11
使用 GPU 实现的一键快速评估显着性对象检测，包括MAE、Max F-measure、S-measure、E-measure。 代码从可从http://dpfan.net/ 获得的 matlab 版本重新实现 使用 pytorch 实现 GPU 可以更容易地嵌入到 eval 代码中...
此工具箱包含 E- measure、S - measure、加权 F 和 F- measure、MAE 和 PR 曲线或显着对象
07-11
该工具箱包含几乎所有显着对象检测的评估指标，包括： 电子测量 S-测量 加权 F 度量 F-测量 MAE分数 PR 曲线或条形指标 边界位移误差 您可以轻松地使用此工具箱来评估 SOD 结果。 更多详情、使用方法，请下载后...
图像分割评价指标（Matlab版）
学习 & 分享 ~
09-27 4571
Itersection over union，分割结果与标签的交并比。IOU计算： IOU=TPTP+FN+FP IOU = \frac{TP}{TP+FN+FP} IOU=TP+FN+FPTP​MATLAB实现代码： 输出结果： TPR： 分割出的正例占所有正例的比例 TPR=TPTP+FN TPR = \frac{TP}{TP + FN} TPR=TP+FNTP​ FPR： 误分割为正例的反例占所有反例的比例 FPR=FPFP+TN FPR = \frac{FP}{FP + TN} FPR=FP+TNF
一文解读Masked Autoencoder(MAE)
abbcdc的博客
04-02 2万+
如果说Vision Transformer是Transformer在CV领域的拓展，那么Masked Autoencoder就是BERT在CV领域的拓展。MAE使用类似于BERT的掩码机制，从图片中随机抹去一些像素，并让模型通过已知像素去构建未知像素，从而迫使模型学习图像中的特征。实验证明：MAE具有很好的像素重构能力。
图像分割结果的评估
热门推荐
Junzzy的博客
11-01 4万+
我们在用一个算法对一幅图像进行分割之后，总会面临这样一个问题，分割的结果到底好不好。用眼睛可以看出好坏，但这只是主观的好坏，如何量化的对分割的结果进行评价呢，这是这篇文章我要讨论的主题。   我查阅过很多方法，包括ROC曲线，Dice重合率等等，要么是我理解不好，要么是难以实现。下面的代码，将基于GT（ground truth）图像计算分割图像的分割精度、过分割率、欠分割等指标来评估算法的分割
图像分割2020总结：结构，损失函数，数据集和框架
3D视觉工坊
11-21 3538
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：Derrick Mwiti编译：ronghuaiyang编辑：AI公园导读一个很好的入门小短文，内容很全，适合上手。在这篇文章...
自然图像分割结果可视化
凌空的桨
07-08 2154
主要用的模型用的是FCN，参考的是https://github.com/bat67/pytorch-FCN-easiest-demo 数据不再是包包，数据来自coco和open-image 通过我之前的博客可以看得到。 我主要是做了些改动，做了可视化。用coco和openimage做了人和摩托车的数据集，训练人训练了45个epoch，摩托车训练了95个epoch其实早就过拟合了。然后用两个模...
机器学习&图像分割——模型评价总结(含完整代码)
GeekZW的博客
05-22 3万+
机器学习&图像分割——模型评价总结（含完整代码） 模型评价的方法指标有很多，如：PR-curve，MAE，ROC，Precision，Recall，AUC，AP，mAP，DSI，VOE，RVD等等； 本文旨在介绍机器学习&图像...
【C++算法】9.双指针_四数之和
最新发布
hlyd520的博客
10-04 546
后面的步骤类似，就不多赘述了。解法一：排序+暴力枚举+利用。双指针遇到合适的数继续往后走。解法二：排序+双指针。不满足循环条件，跳出。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

快撑死的鱼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值