语义分割常用指标详解(附代码)

这篇博客详细讲解了语义分割中的常用指标,并提供了配套的代码实现。通过阅读,你可以了解如何评估语义分割模型的性能。此外,文章还分享了作者的GitHub资源,供读者下载参考。
摘要由CSDN通过智能技术生成

在这里插入图片描述
全套代码可至本人github下载地址

使用步骤:

下面是我自己写的测试代码,上面地址下载的也会包含

  # 输入:测试集标注文件夹和对应的预测文件夹,图片命名为 标注+x;predict+x
    # 输出:四个指标的平均值

from eval_segm import *
import cv2 as cv


def threshold_demo(a):
    gray = cv.cvtColor(a, cv.COLOR_RGB2GRAY)  # 把输入图像灰度化
    # 直接阈值化是对输入的单通道矩阵逐像素进行阈值分割。
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_TRIANGLE)
    print("threshold value %s"%ret)
    return binary


biaozhu_path = xxx
predict_path = xxx

pa = []
mpa = []
miou = []
fwiou = []

number_photo = 1
for i in range(number_photo):
    i = i+1
    a = cv.imread(biaozhu_path + 'biaozhu' + str(i) + '.png')
    b = cv.imread(predict_path
  • 6
    点赞
  • 76
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
评论 13
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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