Python tf.keras.metrics.IoU用法及代碼示例

計算特定目標類的 Intersection-Over-Union 指標。

繼承自：Metric、Layer、Module

用法

tf.keras.metrics.IoU(
    num_classes:int,
    target_class_ids:Union[List[int], Tuple[int, ...]],
    name=None,
    dtype=None
)

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。

請注意，此類首先計算所有單個類的 IoU，然後返回由 target_class_ids 指定的類的 IoU 平均值。如果 target_class_ids 隻有一個 id 值，則返回該特定類的 IoU。

單機使用：

# 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))
# iou = [0.33, 0.33]
m = tf.keras.metrics.IoU(num_classes=2, target_class_id=[0])
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])
# cm = [[0.3, 0.3],
#        [0.3, 0.1]]
# sum_row = [0.6, 0.4], sum_col = [0.6, 0.4], true_positives = [0.3, 0.1]
# iou = [0.33, 0.14]
m.result().numpy()
0.33

compile() API 的用法：

model.compile(
  optimizer='sgd',
  loss='mse',
  metrics=[tf.keras.metrics.IoU(num_classes=2, target_class_id=[0])])