Python tf.keras.metrics.BinaryIoU用法及代碼示例

計算類 0 和/或 1 的 Intersection-Over-Union 指標。

繼承自：IoU、Metric、Layer、Module

用法

tf.keras.metrics.BinaryIoU(
    target_class_ids:Union[List[int], Tuple[int, ...]] = (0, 1),
    threshold=0.5,
    name=None,
    dtype=None
)

參數

target_class_ids 返回指標的目標類 ID 的元組或列表。選項是 [0] , [1] 或 [0, 1] 。使用 [0](或 [1] )，返回類 0(或類 1)的 IoU 度量。使用 [0, 1] ，將返回兩個類的 IoU 平均值。
threshold 如果 logit 低於 threshold ，則適用於預測 logits 的閾值將它們轉換為預測類 0 或如果 logit 高於 threshold 則將其轉換為預測類 1。
name (可選)指標實例的字符串名稱。
dtype (可選)度量結果的數據類型。

一般定義和計算：

Intersection-Over-Union 是語義圖像分割的常用評估指標。

對於單個類，IoU 指標定義如下：

iou = true_positives / (true_positives + false_positives + false_negatives)

為了計算 IoU，預測被累積在一個混淆矩陣中，由 sample_weight 加權，然後從中計算度量。

如果 sample_weight 是 None ，則權重默認為 1。使用 0 的 sample_weight 來屏蔽值。

此類可用於計算二進製分類任務的 IoU，其中預測以 logits 形式提供。首先將 threshold 應用於預測值，以便將低於 threshold 的值轉換為 0 類，將高於 threshold 的值轉換為 1 類。

然後計算類 0 和 1 的 IoU，返回由 target_class_ids 指定的類的 IoU 平均值。

注意：使用 threshold=0 時，此指標具有與 IoU 相同的行為。

單機使用：

m = tf.keras.metrics.BinaryIoU(target_class_id=[0, 1], threshold=0.3)
m.update_state([0, 1, 0, 1], [0.1, 0.2, 0.4, 0.7])
m.result().numpy()
0.33333334

m.reset_state()
m.update_state([0, 1, 0, 1], [0.1, 0.2, 0.4, 0.7],
               sample_weight=[0.2, 0.3, 0.4, 0.1])
# cm = [[0.2, 0.4],
#        [0.3, 0.1]]
# sum_row = [0.6, 0.4], sum_col = [0.5, 0.5], true_positives = [0.2, 0.1]
# iou = [0.222, 0.125]
m.result().numpy()
0.17

compile() API 的用法：

model.compile(
  optimizer='sgd',
  loss='mse',
  metrics=[tf.keras.metrics.BinaryIoU(target_class_id=[0], threshold=0.5)])

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.metrics.BinaryIoU。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。