Python tf.keras.metrics.MeanIoU用法及代码示例

计算平均 Intersection-Over-Union 指标。

继承自：IoU、Metric、Layer、Module

用法

tf.keras.metrics.MeanIoU(
    num_classes, name=None, dtype=None
)

一般定义和计算：

Intersection-Over-Union 是语义图像分割的常用评估指标。

对于单个类，IoU 指标定义如下：

iou = true_positives / (true_positives + false_positives + false_negatives)

为了计算 IoU，预测被累积在一个混淆矩阵中，由 sample_weight 加权，然后从中计算度量。

如果 sample_weight 是 None ，则权重默认为 1。使用 0 的 sample_weight 来屏蔽值。

请注意，此类首先计算所有单个类的 IoU，然后返回这些值的平均值。

单机使用：

# cm = [[1, 1],
#        [1, 1]]
# sum_row = [2, 2], sum_col = [2, 2], true_positives = [1, 1]
# iou = true_positives / (sum_row + sum_col - true_positives))
# result = (1 / (2 + 2 - 1) + 1 / (2 + 2 - 1)) / 2 = 0.33
m = tf.keras.metrics.MeanIoU(num_classes=2)
m.update_state([0, 0, 1, 1], [0, 1, 0, 1])
m.result().numpy()
0.33333334

m.reset_state()
m.update_state([0, 0, 1, 1], [0, 1, 0, 1],
               sample_weight=[0.3, 0.3, 0.3, 0.1])
m.result().numpy()
0.23809525

compile() API 的用法：

model.compile(
  optimizer='sgd',
  loss='mse',
  metrics=[tf.keras.metrics.MeanIoU(num_classes=2)])