python 对2d图片的Iou计算

最新推荐文章于 2024-07-29 22:34:10 发布

哦-是我

最新推荐文章于 2024-07-29 22:34:10 发布

阅读量1.3k

点赞数 2

分类专栏： python 机器学习

本文链接：https://blog.csdn.net/qq_39096123/article/details/113879726

版权

python 同时被 2 个专栏收录

16 篇文章 0 订阅

订阅专栏

机器学习

5 篇文章 1 订阅

订阅专栏

这段代码实现了一个图像处理的评估脚本，遍历指定目录中的图片，计算每个样本的混淆矩阵，并得出准确率和IoU（Intersection over Union）指标。它首先打开两个图像文件，将它们转换为数组，然后计算预测值和真实值的混淆矩阵。进一步计算了真阳性（TP）、假阳性（FP）、真阴性（TN）和假阴性（FN）。最后，脚本输出平均准确率和IoU，用于评估模型的性能。

摘要由CSDN通过智能技术生成

import os
from PIL import Image
from sklearn import metrics, neighbors
import numpy as np
from operator import truediv
path = 'predict'
path2 = 'label'
all_iou = 0
all_acc=0
account=[]
i = 0;
for filename in os.listdir(r""+path):
    str1 = path+'/'+filename
    im = Image.open(str1)
    im = np.array(im)
    str2 = path2 + '/'+filename
    im2 = Image.open(str2)
    im2 = np.array(im2)
    cal_outputs = im.flatten()
    label = im2.flatten()
    c = metrics.confusion_matrix(cal_outputs, label)
    FP = c .sum(axis=0) - np.diag(c )
    FN = c .sum(axis=1) - np.diag(c )
    TP = np.diag(c )
    TN = c .sum() - (FP + FN + TP)
    print(FP)
    list_diag = np.diag(c)
    list_raw_sum = np.sum(c,axis=1)

    each_acc = np.nan_to_num(truediv(list_diag,list_raw_sum))
    print(each_acc)
    average = np.mean(each_acc)
    all_acc += average
    MIou =  ( TP / (TP + FP + FN) + TN / (TN + FN + FP) ) / 2
    print(MIou)
    mean_iou=np.mean(MIou)
    all_iou += mean_iou
    i+=1
    ai = np.sum(each_acc)
    print(ai)
all_acc *=100
all_acc /= i
all_iou *= 100
all_iou /= i
# average_acc = np.mean(each_acc)
print(all_iou)
print(all_acc)