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

計算平均 Intersection-Over-Union 指標。

繼承自：IoU、Metric、Layer、Module

用法

tf.keras.metrics.MeanIoU(
    num_classes, 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，然後返回這些值的平均值。

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))
# 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)])