如何测试分割算法的准确性？

Question

我正在处理图像分类问题。在分类之前，应该分割图像。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二进制图像与正确的二进制图像进行比较，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？

Answer 1

通常的做法是使用物体正确位置的总面积与落入正确位置的被检测物体的面积之比。

如果您的区域不均匀，则会出现类似（检测区域中的像素与地面实况相符）/地面实况分割中的总像素数。

在下图中：count（灰色）/（count（黑色+灰色））

您应该考虑的一项措施也是检测区域与地面实况区域的比率，因为您可能检测到覆盖整个图像，并且在上述公式上得分为100％。

Answer 2

我认为当您想要评估细分结果时，应该使用多个度量。准确度（正确分割区域与地面事实的比率）是不够的。因为您的细分也可能涵盖不属于基本事实的区域。因此，我建议您使用以下方法评估您的细分结果：

1. 真阳性率：您所分割的所有区域的正确分割区域。
2. 误报率：不是基本事实的区域，而是在您划分的所有区域的结果中。
3. 精度
4. F1得分：综合衡量标准（请参阅：http://en.wikipedia.org/wiki/F1_score）

Answer 3

测量图像分割的质量是计算机视觉社区中充分研究的一个主题。

您可以看到适合二进制分段的this方法。对于多个段以及边界精度，还有this方法。

Answer 4

如果在完全覆盖该区域的1000个小部分中检测到地面真实物体，你会感到高兴吗？

Answer 5

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图像