12

我正在处理图像分类问题。在分类之前，应该对图像进行分割。我尝试了几种方法。我的问题是“我如何测试分割的准确性？”。我计划根据像素差异将最终的二值图像与正确的二值图像进行比较，以获得成功率。有没有更有效的方法来比较两个二进制图像的边缘，而不是这个？

4

5 回答 5

8

通常的做法是使用物体正确位置的总面积与检测到的物体落入正确位置的面积之比。

如果您的区域不均匀，它将类似于（检测到的区域中与地面实况匹配的像素）/地面实况分割中的像素总数。

在下图中：count(gray)/(count(black+gray))

在此处输入图像描述

您应该考虑的一个衡量标准也是检测区域与地面实况区域的比率，因为您可能有一个覆盖整个图像的检测，并且上述公式的准确度得分为 100%。

于 2012-12-20T14:30:19.220 回答
6

测量图像分割的质量是计算机视觉社区中深入研究的主题。

可以看到这种适合二值分割的方法。这种方法也适用于多段，也适用于边界精度。

于 2013-01-14T07:28:44.697 回答
5

我认为当你想评估你的分割结果时，应该使用多种措施。准确度（正确分割区域与地面实况的比率）不够。因为您的分割也可能涵盖不在基本事实中的区域。因此，我建议您可以使用以下措施来评估您的分割结果：

  1. 真阳性率：在您分割的所有区域上的正确分割区域。
  2. 误报率：不在基本事实中但在您分割的所有区域的结果中的区域。
  3. 准确性
  4. F1 分数：综合衡量标准（请参阅：http ://en.wikipedia.org/wiki/F1_score ）
于 2012-12-21T07:40:31.537 回答
1

您可以使用 jaccard_similarity_score 如下所示：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.jaccard_similarity_score.html但是 对于图像需要将图像展平以将其转换为一维

于 2018-10-10T05:45:13.257 回答
0

如果在完美覆盖该区域的 1000 个小片段中检测到地面实况对象，您会有多高兴？

于 2016-09-13T21:08:10.747 回答