如何快速计算生成模型的FID、IS、sFID、Precision、Recall等关键评价指标？

最新推荐文章于 2025-03-16 15:48:28 发布
最新推荐文章于 2025-03-16 15:48:28 发布
阅读量4.2k 收藏 13
点赞数 3
分类专栏： 深度学习-计算机视觉 文章标签： 人工智能 机器学习 计算机视觉 云原生 深度学习
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_41895747/article/details/125770669
版权
本文介绍了计算生成模型如GANs、VAEs的关键评价指标，包括FID、IS、sFID、Precision和Recall。sFID作为FID的改进版，关注空间特征，而数据准备部分强调了参考数据和生成数据的正确格式。提供了论文链接和数据转换方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

前言：无论是对于GANs、VAEs、Diffusion models、flow-based models等生成模型，计算评价指标是都是必需品。这篇博客教大家如何快速计算FID、IS、sFID、Precision、Recall等关键评价指标。

目录

FID、IS和sFID原理讲解

数据准备

完整代码

FID、IS和sFID原理讲解

sFID是FID的一种改进版本，作为使用空间特征而不是标准的池特征的FID版本。这种度量方法能更好地捕捉空间关系，使图像分布具有连贯的高层结构。

论文链接：

https://arxiv.org/abs/2103.03841

而FID和IS在我之前的博客有详细解读：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
利用官方预训练模型快速计算Inception Score和FID
沉迷单车的追风少年
01-25 3956
前言：对于生成式模型来说，如何评价是一个难题，特别是对于GANs这种容易坍塌的模型来说，选择合适的度量指标是关键。IS和FID是最常用的两种指标，都依赖于Inception模型。本文介绍如何利用tensorflow/pytorch官方提供的预训练Inception V3模型，五分钟内搭建自己的IS和FID计算代码。 目录 IS简介 FID简介 计算公式 计算方法 IS快速开始代码 FID快速开始代码 完整示例 参考： IS简介 IS基于Google的预训练网络Inception ..
51-36 DiT，视频生成模型Sora背后的核心技术
AIgraphX
04-07 1578
Diffusion Transformer遵循Vision Transformer最佳实践，是一种结合了DDPM和Transformer优点的新型扩散模型。
DALL·E2(unCLIP)、DDPM、DDIM、Stable Diffusion、IS、FID、ControlNet、Score Matching、朗之万、RF、SDXL、SD3要点总结
taoqick的专栏
07-09 2676
DALL·E 1可以看成是VQ-VAE和文本经过BPE编码得到的embedding。
深入解析 FID：深度学习生成模型评价指标
最新发布
阿正的梦工坊
03-16 1944
FID 作为生成模型评价的核心指标，通过比较特征分布的 Fréchet 距离，提供了一种高效且语义敏感的评估方法。
模型的评价指标：Precision, Recall, F1 Score
King_HAW
03-11 3117
首先考虑对于数据预测结果可能出现的四种情况： True Positive(TP)：预测为正，实际为正 False Positive(FP):：预测为正，实际为负 False Negative(FN)：预测为负，实际为正 Ture Negative(TN)：预测为负，实际为负 准确率（Precision）定义为：在单类预测结果中，正确的比率，为 P = TP / (TP + FP)
计算FID的方法
joyirine的博客
11-26 5972
计算FID
pytorch-fid：使用PyTorch计算FID分数
02-04
PyTorch的FID分数 这是FréchetInception 到PyTorch正式实施的端口。 有关使用Tensorflow的原始实现，请参见 。 FID是两个图像数据集之间相似度的度量。 它被证明与人类对视觉质量的判断具有很好的相关性，并且最常用于评估生成对抗网络的样本质量。 通过计算两个高斯函数之间的来计算FID，这些高斯函数适合于Inception网络的特征表示。 有关可以找到进一步的见解和对FID分数的独立评估 。 权重和模型的权重和模型完全相同，并经过测试得出了非常相似的结果（例如，使用ProGAN生成的图像，LSUN上的.08绝对误差和0.0009相对误差）。 但是，由于
fid和is_【GAN】用于生成图像的评价指标——IS和FID
weixin_33212575的博客
12-31 2948
在使用GAN进行图像生成任务中，我们的目的就是为了得到高质量的生成图像，那么总得需要个度量指标来衡量生成的图像是否是“高质量”的吧？不能完全靠人眼主观判断。这里提到生成图像的“高质量”，主要从两方面考虑：图像本身的质量。如：是否清晰，内容是否完整，是否逼真等等。多样性。最终的生成器所生成的图像需要多种多样的，不能只生成一种或几种类型的图像，产生的这种现象称为模式崩溃(Mode collapse)。...
灵活视图变换器：为扩散模型设计的革新图像生成架构
人工智能前沿分享
08-06 790
人工智能咨询培训老师叶梓 转载标明出处在自然界中，图像的分辨率是无限的，而现有的图像生成模型在跨任意分辨率泛化方面存在困难。虽然扩散变换器（DiT）在特定分辨率范围内表现出色，但在处理不同分辨率的图像时却力不从心。为了克服这一限制，来自上海人工智能实验室的研究团队及其合作者提出了灵活视图变换器（Flexible Vision Transformer，简称FiT），这是一种专为生成任意分辨率和纵横比的图像而设计的变换器架构。
python计算FID
qq_37758122的博客
01-07 6155
https://blog.csdn.net/qq_40608730/article/details/110546612
计算图像FID
qq_37758122的博客
04-09 4053
fid.py import os import argparse import torch import torch.nn as nn import numpy as np from torchvision import models from scipy import linalg from data_loader import get_eval_loader try: from tqdm import tqdm except ImportError: def tqdm(x): ret
深度学习，FID指标计算
04-14
计算指标时，只需要修改--path_real和--path_fake这两个参数就可以。 用这个距离来衡量真实图像和生成图像的相似程度，如果FID值越小，则相似程度越高。最好情况即是FID=0，两个图像相同。 如果FID值越小说明模型效果越好。
【图像生成模型评价指标】-- FID
steptoward的博客
11-06 3306
其物理含义中相当于默认了训练集的多样性、质量都是很好的，所以评估的标准是越接近训练集的分布越好，但真实情况并不一定训练集就是足够丰富多样的。FID是图像生成算法的一个常用评价指标。全称为Frechet Inception Distance。和Inception Score一样，它也使用****去做一个特征提取。：让生成图片和训练图片的分布尽量接近。
【基础知识】FID（Fréchet Inception Distance）公式及解释
页页读
03-05 7560
FID（Fréchet Inception Distance）是一种用于评估生成模型，尤其是在图像生成任务中，生成图像的质量和多样性的指标。这个特定的空间通常是通过预训练的Inception网络的某一层来定义的。计算每个集合的特征向量的均值和协方差矩阵。设生成图像的特征向量的均值和协方差矩阵分别为。FID分数越低，表示生成图像与真实图像的分布越接近，通常认为生成的图像质量越高。的乘积的平方根，表示通过取两个矩阵乘积的特征值的平方根得到的矩阵。，真实图像的特征向量的均值和协方差矩阵分别为。
生成人脸图像样本对，测试precision, recall
Hello Word!
08-21 245
def get_id_prob_imgs(id_path, prob_path): # 这里假设id图片只有一层目录，每个id一张照片; prob照片有两层目录，第一层子目录为id名称，子目录下面才是prob照片 id_imgs = [os.path.join(idpath,i) for i in os.listdir(id_path)] probsubpaths = [os.path.join(probpath,i) for i in os.listdir(probpath)]
如何计算fid、kid和is指标（附代码）
sbb8177919的博客
03-07 1757
fid、kid和is指标计算代码
什么是FID？怎么实现FID？
热门推荐
qq_43210957的博客
11-21 1万+
Frechet Inception Distance（简称FID）是一种用于评估生成图像质量的度量标准，专门用于评估生成对抗网络的性能。FID分数是由Martin Heusel等人在他们2017年的论文《GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium》（https://arxiv.org/abs/1706.08500）中提出和使用的。
GAN量化评估方法——IS（Inception Score）和FID（Frechet Inception Distance score）
https://www.cnblogs.com/qizhou/
08-19 2814
　　生成模型产生的是高维的复杂结构数据，它们不同于判别模型，很难用简单的指标来评估模型的好坏。下面介绍两种当前比较流行的评估生成模型的指标（仅判别图像）：IS（Inception Score）和FID（Frechet Inception Distance score）。 IS 　　IS基于Google的预训练网络Inception Net-V3。Inception Net-V3是精心设计...
FID(Fusion-in-Decoder models)
gbchen的博客
06-12 3012
开放领域问答的生成模型已被证明具有竞争力，无需借助外部知识。虽然很有希望，但这种方法需要使用具有数十亿参数的模型，这对于训练和查询来说是昂贵的。
OSError: [WinError 123] 文件名、目录名或卷标语法不正确。: 'D:\\Anaconda\\yolov5-sfid-master\runs\train\\exps\\weights\x08est.pt'
01-19
这个错误通常是由于路径中的特殊字符或转义字符引起的。在你提供的路径中，有一个`\x08`字符，它是一个转义字符，表示退格符。这可能导致了文件名、目录名或卷标语法不正确的错误。 解决这个问题的方法有以下几种： 1. 修复路径中的特殊字符：在路径中的`\x08`字符前添加一个额外的反斜杠`\`，将其转义为普通字符。例如，将路径`'D:\\Anaconda\\yolov5-sfid-master\runs\\train\\exps\\weights\x08est.pt'`修改为`'D:\\Anaconda\\yolov5-sfid-master\\runs\\train\\exps\\weights\\x08est.pt'`。 2. 使用原始字符串：在路径字符串前添加一个`r`，将其标记为原始字符串。这样，转义字符将被忽略。例如，将路径`'D:\\Anaconda\\yolov5-sfid-master\runs\\train\\exps\\weights\x08est.pt'`修改为`r'D:\\Anaconda\\yolov5-sfid-master\runs\\train\\exps\\weights\x08est.pt'`。 3. 修改文件名或目录名：如果路径中的文件名或目录名确实包含特殊字符，可以尝试将其修改为不包含特殊字符的名称。 请注意，以上方法中的任何一种都可能需要根据你的具体情况进行调整。如果问题仍然存在，请提供更多的信息，以便我能够更好地帮助你解决这个问题。
评论 9
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

沉迷单车的追风少年

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