我正在处理一个图像分类问题。在分类之前，需要对图像进行分割。我尝试了几种方法。我的问题是“如何测试分割的准确性？” 我计划基于像素差异将最终的二进制图像与正确的二进制图像进行比较，以获得成功率。除此之外，是否有更有效的方法来比较两个二进制图像的边缘？
5个回答
8
一种常见的方法是将正确位置的对象的总面积与探测到的对象落入正确位置的面积进行比较。
如果您的区域不均匀，则类似于（匹配地面真实分割的检测区域中的像素数）/地面真实分割的像素总数。
在下面的图像中：count(gray)/(count(black+gray))
您应该考虑的另一个度量是检测区域与地面真实区域之比，因为您可能有一个覆盖整个图像的检测，而在上述公式中具有100％的准确性得分。
如果您的区域不均匀，则类似于（匹配地面真实分割的检测区域中的像素数）/地面真实分割的像素总数。
在下面的图像中：count(gray)/(count(black+gray))
您应该考虑的另一个度量是检测区域与地面真实区域之比，因为您可能有一个覆盖整个图像的检测，而在上述公式中具有100％的准确性得分。
- Sam
3
5
我认为在评估分割结果时应该使用多种指标。准确率（正确分割面积与真实值面积的比率）是不够的，因为您的分割结果可能覆盖了不在真实值范围内的区域。因此，我建议您使用以下指标来评估分割结果:
- 真正例率: 正确分割区域与所有分割区域之比。
- 假正例率: 在分割结果中而不在真实值中的区域与所有分割区域之比。
- 准确率
- F1得分：综合衡量指标（请参见：http://en.wikipedia.org/wiki/F1_score）
- Zhi Lu
1
你可以使用jaccard_similarity_score，如此所示：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.jaccard_similarity_score.html 但对于图像，需要将其展平以将其转换为1-D。
- Suleiman
0
如果地面真实物体被检测出来并分成1000个小段，完美地覆盖了整个区域，你会有多开心呢？
- George Forman
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
2 * count(intersection)/(count(ground_truth) + count(detection))。 - Mark Loyman