matlab计算miou值,【pytorch】图像分割中IOU等评价指标的计算

本文介绍了在PyTorch中计算图像分割任务的IoU(Intersection Over Union)和其他相关评价指标,如像素精度、平均像素精度、频权交并比,通过`SegmentationMetric`类实现混淆矩阵的计算和评估。
摘要由CSDN通过智能技术生成

"""

refer to https://github.com/jfzhang95/pytorch-deeplab-xception/blob/master/utils/metrics.py

"""

import numpy as np

import cv2

__all__ = ['SegmentationMetric']

"""

confusionMetric # 注意:此处横着代表预测值,竖着代表真实值,与之前介绍的相反

P\L P N

P TP FP

N FN TN

"""

class SegmentationMetric(object):

def __init__(self, numClass):

self.numClass = numClass

self.confusionMatrix = np.zeros((self.numClass,) * 2) # 混淆矩阵(空)

def pixelAccuracy(self):

# return all class overall pixel accuracy 正确的像素占总像素的比例

# PA = acc = (TP + TN) / (TP + TN + FP + TN)

acc = np.diag(self.confusionMatrix).sum() / self.confusionMatrix.sum()

return acc

def classPixelAccuracy(self):

# return each cat

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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