语义分割的评价指标
像素准确率 PA 或 pixel acc.
像素准确率:pixel accuracy 即像素准确率,很明显就是预测像素的准确率高低的评价标准。方法也很简单: PA = 预测正确像素个数 / 总预测像素个数。公式写成:
P
A
=
∑
i
=
0
k
p
i
i
∑
i
=
0
k
∑
j
=
0
k
p
i
j
PA={\sum_{i=0}^kp_{ii}\over\sum_{i=0}^k\sum_{j=0}^kp_{ij}}
PA=∑i=0k∑j=0kpij∑i=0kpii
平均交并比 MIoU 或 Mean IU
Mean Intersection over Union (MIoU,均交并比),是语义分割的标准度量,几乎所有分割相关论文都会使用。在语义分割的问题中,单类的交并比就是该类的真实标签和预测值的交和并的比值
M
I
o
U
=
1
k
∑
i
=
1
k
P
∩
G
P
∪
G
MIoU={1\over k}\sum_{i=1}^k{P\cap G\over P\cup G}
MIoU=k1i=1∑kP∪GP∩G
其中P表示预测值,G表示真实值,K表示总类别个数。总体拉看,公式表示每个类别的预测值和真实值的交集除以并集,然后取平均
M
I
o
U
=
1
k
+
1
∑
i
=
0
k
p
i
i
∑
j
=
0
k
p
i
j
+
∑
j
=
0
k
P
j
i
−
p
i
i
MIoU={1\over{k+1}}\sum_{i=0}^k{p_{ii}\over\sum_{j=0}^kp_{ij}+\sum_{j=0}^kP_{ji}-p_{ii}}
MIoU=k+11i=0∑k∑j=0kpij+∑j=0kPji−piipii
i
i
i表示真实值,
j
j
j表示预测值 ,
p
i
j
p_{ij}
pij表示将
i
i
i预测为
j
j
j的像素个数。这么一来,分子即为交集,分母即为并集
均像素精度 MPA或mean acc.
Mean Pixel Accuracy(MPA,均像素精度):是Pixel Accuracy的一种简单提升,计算每个类内被正确分类像素数的比例,之后求所有类的平均。
M
e
a
n
P
i
x
e
l
A
c
c
u
r
a
c
y
=
1
k
+
1
∑
i
=
0
k
p
i
i
∑
j
=
0
k
p
i
j
Mean Pixel Accuracy={1\over{k+1}}\sum_{i=0}^k{p_{ii}\over \sum_{j=0}^kp_{ij}}
MeanPixelAccuracy=k+11i=0∑k∑j=0kpijpii
频权交并比 FWIoU 或 f.w.IU
Frequency Weighted Intersection over Union(FWIoU,频权交并比):为MIoU的一种提升,这种方法根据每个类出现的频率为其设置权重。
F
W
I
o
U
=
1
∑
i
=
0
k
∑
j
=
0
k
p
i
j
∑
i
=
0
k
p
i
i
∑
j
=
0
k
p
i
j
+
∑
j
=
0
k
p
j
i
−
p
i
i
FWIoU ={1\over \sum_{i=0}^k\sum_{j=0}^kp_{ij}}\sum_{i=0}^k{p_{ii}\over \sum_{j=0}^kp_{ij}+\sum_{j=0}^kp_{ji}-p_{ii}}
FWIoU=∑i=0k∑j=0kpij1i=0∑k∑j=0kpij+∑j=0kpji−piipii
example
pixel acc. | mean acc. | mean IU | f.w.IU | |
---|---|---|---|---|
FCN-32s-fixed | 83.0 | 59.7 | 45.4 | 72.0 |
FCN-32s | 89.1 | 73.3 | 59.4 | 81.4 |
FCN-16s | 90.0 | 75.7 | 62.4 | 83.0 |
FCN-8s | 90.3 | 75.9 | 62.7 | 83.2 |