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？MultiLabelFbetaclass 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。