从分割掩模中如何找到IoU？

Question

我正在进行图像分割任务，使用的数据集只有真实值但没有边界框或多边形。

我有2个类（忽略背景的0），输出和真实标签都在数组中，如下：

预测--/---标签 0|0|0|1|2 0|0|0|1|2 0|2|1|0|0 0|2|1|0|0 0|0|1|1|1 0|0|1|1|1 0|0|0|0|1 0|0|0|0|1

如何从这些计算IoU？

PS：我正在使用带有pytorch API的Python3。

- Farshid Rayhan

Answer 1

我刚刚发现jaccard_similarity_score被认为是IoU。

解决方案非常简单， from sklearn.metrics import jaccard_similarity_score jac = jaccard_similarity_score(predictions, label, Normalize=True/False) 源链接：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.jaccard_score.html#sklearn.metrics.jaccard_score

- Farshid Rayhan

Answer 2

您可以为给定的类创建二进制地图。

    def calculate_iou(self, gt_mask, pred_mask, class=1):
    if threshold:
        pred_mask = (pred_mask == class) * 1
        gt_mask = (gt_mask == class) * 1

    overlap = pred_mask * gt_mask  # Logical AND
    union = (pred_mask + gt_mask)>0  # Logical OR
    iou = overlap.sum() / float(union.sum())
    return iou

请注意，这种表示方式是通过为每个类别创建二进制概率来创建的。因此，模型为4个类别创建了4个概率图。然后，每个像素的最大概率被视为最大概率类别。

- Mehmet Burak Sayıcı