评价指标:
IOU (Intersection over Union,重叠度)
首先引入四个概念:
P(Positive)和N(Negative) 代表模型的判断结果
T(True)和F(False) 评价模型的判断结果是否正确
TP:表示正确划分为正例的样本;
FP:表示错误划分为正例的样本;
TN:表示正确划分为负例的样本;
FN:表示错误划分为负例的样本。
上图中红色框表示GroundTruth图,蓝色框表示模型的预测结果。
重叠度计算公式如下:
精确率:
(针对模型判断出的所有正例(TP+FP)而言,其中判断正确的正例(TP)所占的比例。精确率也叫查准率。)
召回率:
(针对数据集中的所有正例(TP+FN)而言,模型正确判断出的正例(TP)占数据集中所有正例的比例。FN表示被模型误认为是负例但实际是正例的数据。召回率也叫查全率。)
准确率:
(模型判断正确的数据占总数据的比重)
综合评价指标(F-Measure):
当a=1,