哪个 F1-score 用于语义分割任务？
Which F1-score is used for the semantic segmentation tasks?
我读了一些关于最先进的语义分割模型的论文，在所有这些论文中，作者都使用 F1 分数指标进行比较，但他们没有写他们是否使用它的“微观”或“宏观”版本。
有谁知道用哪个F1-score来描述分割结果，为什么这么明显作者没有在论文中定义它？
样本论文：
只有一个 F-1 分数 - 准确率和召回率的调和平均值。
Macro/Micro/Samples/Weighted/Binary 用于 multiclass/multilabel 目标的上下文中。如果 None，则返回每个 class 的分数。否则，这决定了对数据执行的平均类型：
binary：仅报告 pos_label 指定的 class 的结果。这仅适用于目标 (y_{true,pred}) 是二进制的情况。
micro：通过计算真阳性、假阴性和误报的总数来全局计算指标。
macro：计算每个标签的指标，求出它们的未加权均值。这没有考虑标签不平衡。
weighted：计算每个标签的指标，并找到它们的平均支持度加权（每个标签的真实实例数）。这改变了“宏观”以解释标签不平衡；它可能导致 F 分数不介于精度和召回率之间。
samples：计算每个实例的指标，并找到它们的平均值（仅对多标签classification有意义，这与accuracy_score不同）
Segnet 论文在 Table#5 中分别讨论了不同的 classes 精度。所以我认为他们在这种情况下选择了None。
我读了一些关于最先进的语义分割模型的论文，在所有这些论文中，作者都使用 F1 分数指标进行比较，但他们没有写他们是否使用它的“微观”或“宏观”版本。
有谁知道用哪个F1-score来描述分割结果，为什么这么明显作者没有在论文中定义它？
样本论文：
只有一个 F-1 分数 - 准确率和召回率的调和平均值。
Macro/Micro/Samples/Weighted/Binary 用于 multiclass/multilabel 目标的上下文中。如果 None，则返回每个 class 的分数。否则，这决定了对数据执行的平均类型：
binary：仅报告 pos_label 指定的 class 的结果。这仅适用于目标 (y_{true,pred}) 是二进制的情况。
micro：通过计算真阳性、假阴性和误报的总数来全局计算指标。
macro：计算每个标签的指标，求出它们的未加权均值。这没有考虑标签不平衡。
weighted：计算每个标签的指标，并找到它们的平均支持度加权（每个标签的真实实例数）。这改变了“宏观”以解释标签不平衡；它可能导致 F 分数不介于精度和召回率之间。
samples：计算每个实例的指标，并找到它们的平均值（仅对多标签classification有意义，这与accuracy_score不同）
Segnet 论文在 Table#5 中分别讨论了不同的 classes 精度。所以我认为他们在这种情况下选择了None。