语义分割的评价指标(OA, F1 score)计算（不使用sklearn）

混淆矩阵（confusion_matrix）是由预测值和标签值组成的二维矩阵，共n行n列。n表示class类别数。

二分类
图片源自https://blog.csdn.net/Orange_Spotty_Cat/article/details/80520839

多分类

#计算 overall accuracy
oa = np.diag(conf_mat).sum() / conf_mat.sum()
#计算各类别 accuracy
acc_cls = np.aidg(conf_mat) / conf_mat.sum(axis = 1)
# axis 0：gt, axis 1:prediction
#计算各类别 precision和 recall
precision_cls = np.diag(conf_mat) / conf_mat.sum(axis = 1)
recall_cls = np.diag(conf_mat) / conf_mat.sum(axis = 0)
#计算各类别 f1-score
f1_cls = (2 * precision_cls * recall_cls) / (precision_cls + recall_cls)
#计算 mean f1-score
mf1 = np.nanmean(f1_cls)

语义分割的评价指标(OA, F1 score)计算（不使用sklearn）相关推荐

【语义分割】评价指标：PA、CPA、MPA、IoU、MIoU详细总结和代码实现（零基础从入门到精通系列！）
文章目录引言 1 混淆矩阵 2 语义分割 PA:像素准确率 CPA:类别像素准确率 MPA:类别平均像素准确率 IoU:交并比 MIoU:平均交并比 3 综合实例步骤一:输入真实.预测图片步骤二 ...
【语义分割】评价指标代码函数：np.sum()、np.nansum()、np.nanmean()、np.diag()、np.bincount()
引言本文针对: [语义分割]评价指标:PA.CPA.MPA.IoU.MIoU详细总结和代码实现(零基础从入门到精通系列!)中实现评价指标代码里相关函数进行补充说明,包括:np.sum().np.na ...
语义分割的评价指标——MIoU
语义分割的评价指标--MIoU 前言代码前言 MIoU(Mean Intersection over Union)是语义分割的一个评价指标,表示平均交并比,即数据集上每一个类别的IoU值的平均. ...
语义分割各种评价指标实现
前言现存其实已经有很多博客实现了这个代码,但是可能不完整或者不能直接用于测试集的指标计算,这里简单概括一下. 一些概念.代码参考: [1] 憨批的语义分割9--语义分割评价指标mIOU的计算 [2] ...
语义分割之评价指标MIoU介绍
预备知识我们在进行语义分割结果评价的时候,常常将预测出来的结果分为四个部分:True Positive,False Positive,True Negative,False Negative,其中n ...
语义分割评价指标(global_acc, mean_acc, mean_iou)等numpy实现
语义分割常见评价指标global_acc, mean_acc, mean_iou计算,个人学习记录,仅供参考. 一.理论计算假设真实标签为: 预测标签为: 则手动列出混淆矩阵可得: 1.1 全局准确 ...
图像语义分割及常用评价指标
语义分割学习记录语义分割概述图像分类(image classification) 目标检测(object detection) 语义分割(semantic segmentation) 实例分割(i ...
语义分割评价指标mIOU
mIOU定义 Mean Intersection over Union(MIoU,均交并比),为语义分割的标准度量.其计算两个集合的交集和并集之比,在语义分割问题中,这两个集合为真实值(ground ...
图像语义分割python_遥感图像语义分割常用精度指标及其python实现(支持多类)
前言在介绍个精度指标前我们先来明确以下几个概念,对应的示意图如下图所示:TP(True Positive):分类准确的正类,意思是预测结果为正类,实际上是正类. FP(False Positive) ...

语义分割的评价指标(OA, F1 score)计算（不使用sklearn）

语义分割的评价指标(OA, F1 score)计算（不使用sklearn）相关推荐

最新文章

热门文章