fastai - 图像分割的多类度量
fastai - Multiclass metric for Image Segmentation
我目前正在探索如何将 Dice 指标应用于 fastai 的多 class 分割问题。我检查了概念,发现 Dice 与 F1Score 非常相似。在此之后,我有两个关于它们在 fastai.metrics 中的实施的问题:
dice()
和 fbeta(beta=1)
输出有何不同?
MultiLabelFbeta
class 是否适用于多标签图像分割用例?
- 如果没有,是否已经存在可以帮助我的指标?
非常感谢,祝您愉快!
Dice 指标通常应等于 FBeta
(beta=1
)。根据框架的不同,实现可能会略有不同。但是,由于它们本质上非常相似,因此可以互换使用它们作为您的问题的指标。
MultiLabelFBeta
如果您有多个重叠蒙版,则可以使用。也就是说,如果您的细分标签不是互斥的。
例如,狗和猫的像素是互斥的(即属于猫的像素永远不会属于狗,反之亦然)。然而,如果你有 class 'T-shirt' 和 'Human' 那么很明显你有重叠:人们穿 T 恤,所以属于 T 恤的像素很可能属于对一个人。
- 注意命名!
MultiLabel
不同于 MultiClass
。在后者的情况下,标签是互斥的;如果是前者,则不是(T 恤 + 人类示例)。
如果您有多个 class 分割问题,那么 Dice
/FBeta
是相关指标。如果你有一个多标签分割问题,那么 MultiLabelFbeta
是一个很好的指标。
我目前正在探索如何将 Dice 指标应用于 fastai 的多 class 分割问题。我检查了概念,发现 Dice 与 F1Score 非常相似。在此之后,我有两个关于它们在 fastai.metrics 中的实施的问题:
dice()
和fbeta(beta=1)
输出有何不同?MultiLabelFbeta
class 是否适用于多标签图像分割用例?- 如果没有,是否已经存在可以帮助我的指标?
非常感谢,祝您愉快!
Dice 指标通常应等于
FBeta
(beta=1
)。根据框架的不同,实现可能会略有不同。但是,由于它们本质上非常相似,因此可以互换使用它们作为您的问题的指标。MultiLabelFBeta
如果您有多个重叠蒙版,则可以使用。也就是说,如果您的细分标签不是互斥的。
例如,狗和猫的像素是互斥的(即属于猫的像素永远不会属于狗,反之亦然)。然而,如果你有 class 'T-shirt' 和 'Human' 那么很明显你有重叠:人们穿 T 恤,所以属于 T 恤的像素很可能属于对一个人。
- 注意命名!
MultiLabel
不同于MultiClass
。在后者的情况下,标签是互斥的;如果是前者,则不是(T 恤 + 人类示例)。
如果您有多个 class 分割问题,那么 Dice
/FBeta
是相关指标。如果你有一个多标签分割问题,那么 MultiLabelFbeta
是一个很好的指标。