语义分割标注方式和指标
语义分割标注方式和指标
- 前言
- 分割任务
- 数据集标注方式
- 标注工具
- 评价指标
- 定义
- 计算方式
- 混淆矩阵
- Global Acc
- Mean Acc
- Mean IoU
- 总结
- 参考
前言
这是我看大佬讲语义分割前言记的笔记。如果对这块内容有需要,建议直接看他视频。
这是他B站主页,https://space.bilibili.com/18161609
分割任务
语义分割:区分类别
实例分割:区分同一类别的不同个体
全景分割:在实例分割的基础上,区分背景(如天空,草地)
数据集标注方式
COCO针对目标标注若干个点,用点之间的连线把目标圈出来
标注工具
只记了一个半自动的工具
评价指标
定义
和下边的计算方式结合看,效果更好。
计算方式
混淆矩阵
语义分割本质上是对每个像素点的分类。因此,可以构建一个矩阵,矩阵的值为该像素点对应的类别。可得到真是标签的矩阵和预测标签的矩阵。
然后,构建一个矩阵,横坐标是真实标签,纵坐标是预测标签。矩阵第(i,j)个值代表,真实标签为j的被预测为i的个数。此时,这个矩阵叫混淆矩阵,对角线是正确分类的个数。
插句题外话:对角线元素相当于TP,所在行之和减去对角线元素相当于FP,所在列之和减去对角线元素相当于FN,矩阵的其他行列元素之和对该类别而言为TN
Global Acc
对角线上所有元素之和=所有类别正确分类的元素数
n个类别所属像素的总数=全图像素数=混淆矩阵所有元素之和
Mean Acc
每个类别的所属像素总数=每列元素总数
由此可得每个类别的分类精确度,然后再求平均
Mean IoU
以第零个类别为例,
正确分类像素数=16
真实所属第零类像素数=第一列元素和=20
预测所属第零类像素数=第一行元素和=18
于是第零个类别的iou=16/(20+18)
然后多个类别再平均
总结
混淆矩阵真是个好东西
参考
- https://www.bilibili.com/video/BV1ev411P7dR?spm_id_from=333.999.0.0
语义分割标注方式和指标相关推荐
- 语义分割标注工具——labelme
参考下面网址: 感谢up主:https://www.bilibili.com/video/BV1xT4y1j7A9?from=search&seid=2903997967250679674 在 ...
- 【工具】Semantic Segmentation Editor 语义分割标注工具
[工具]Semantic Segmentation Editor 语义分割标注工具 一.简介 二.界面 1.工具栏 ① 上方横排工具栏 Ctrl + Z 撤销 Ctrl + Y 重做 Alt 操纵工具 ...
- python工具方法 18 labelme语义分割标注数据批量转换为png
本实例代码主要使用labelme.utils.shapes_to_label方法实现批量将将labelme的语义分割标注数据转换为图片,支持将标注保存为实例分割训练图.语义分割训练图.语义分割+原图效 ...
- 图像语义分割标注软件EISeg
paddle 语义分割标注软件: https://github.com/PaddleCV-SIG/EISeghttps://github.com/PaddleCV-SIG/EISeg
- coco语义分割标注json转png
COCO格式的语义分割数据json,转为png格式,如CityScapes采用的.使用本脚本可以将coco格式转为CityScapes格式的语义标注.语义分割标注转为png图片格式,可便于进行语义分割 ...
- 点云语义分割标注工具及生成训练数据
1.软件的安装 (1)下载后随便你解压到那个文件夹下(软件github地址) github链接 (2)在终端中运行: curl https://install.meteor.c ...
- labelme——语义分割标注
labelme安装 1.视频教程 安装使用labelme网络上有很多视频教程,这里推荐一位大神的安装教程,地址如下:https://www.bilibili.com/video/BV16b411G7k ...
- (18)语义分割--paddle--EISeg自动标注软件的使用和自己数据集的测试
1.主要参考 (1)使用过程,建议先看一下下面博主的视频 eiseg简单教学_哔哩哔哩_bilibili (2)软件使用,主要参考! 百度飞浆EISeg高效交互式标注分割软件的使用教程_Leonard ...
- 应用于语义分割问题的深度学习技术综述(语义分割综述)
应用于语义分割问题的深度学习技术综述 基本介绍 摘要 1 .引言 2.术语及背景概念 2.1 常见的深度网络架构 2.1.1 AlexNet 2.1.2 VGG 2.1.3 GoogLeNet 2.1 ...
最新文章
- 引入css的四种方式
- MaxCompute(原ODPS) 脑图 - 常用知识总结
- MIT自然语言处理第一讲:简介和概述(第二部分)
- EL:集成学习(Ensemble Learning)的概念讲解、问题应用、算法分类、关键步骤、代码实现等相关配图详细攻略
- 读书(附电子书)|小狗钱钱之白色的拉布拉多
- oss图片尺寸调用方式_是时候来一场轰轰烈烈的OSS升级了
- Android 6.0 源代码编译实践
- python经典书 豆瓣_入门,,豆瓣高分推荐的Python书籍
- mysql schema 定义_数据库 schema含义
- onepill Android端
- Web项目中时间格式化的方法
- 多个项目共用同一个redis_浅谈Redis分布式锁(上)
- 台式机linux连wifi,台式电脑怎么用wifi八种方法解决
- 批处理(BAT)教程
- python高级语言特长_高级程序设计语言的特点是()
- tm4c123g c语言,Tm4c123GX(tiva)入门详细教程
- 计算机组装维护教学总结,计算机组装与维护教学总结.doc
- 四阶行列式直接展开_四阶行列式的完全展开式共有多少项
- Caused by: redis.clients.jedis.exceptions.JedisConnectionException: JedisPubSub was not subscribed t
- 四, Scala 伴生对象, 特质