语义分割IoU的理解
IoU交并比
IoU (Intersection over Union) 从字面意义上来说就是交并比,顾名思义就是两个集合的交集与两个集合的并集之比,可表示图如下:
PASCAL
在语义分割任务中,通常使用预测(predict label)与真值(ground truth)之间的交并比作为评价标准,例如在PASCAL、CityScapes等数据集;在PASCAL数据集的文档中,对于语义分割任务的评价标准利用模型评估的基本指标表达如下:
这里将IoU中交并集关系细化为利用机器学习中的模型指标基本概念来表达,关于真正例、假负例等概念可以参考下图的概念:
结合上述概念表达,将模型指标基本概念填入上述集合图:
说明:
- 红色的GT代表Ground Truth真值,PL代表Predict Label预测值;
- 最外层方框表示整个预测范围,在两个集合并集范围外的那部分为TN(表示模型预测为不是真值Negative,并且预测对了True)