Я имею дело с проблемой классификации изображений. Перед классификацией изображения должны быть сегментированы. Я попробовал несколько методов. Мой вопрос: "Как я могу проверить точность сегментации?". Я планирую сравнить окончательное двоичное изображение с правильным бинарным изображением на основе различий пикселей, чтобы получить коэффициент успеха. Есть ли более эффективный способ сравнения ребер двух бинарных изображений вместо этого?
Измерение качества сегментации изображения - это тема, хорошо изученная в сообществе компьютерного зрения.
Вы можете увидеть этот, который подходит для двоичных сегментов. Существует также этот метод для нескольких сегментов, а также для граничной точности.
Обычный подход заключается в использовании отношения общей площади правильного положения объекта по сравнению с областью обнаруженного объекта, которая попадает в правильное положение.
Если ваши области неравномерны, это будет что-то вроде (пиксели в обнаруженной области, которые соответствуют истине земли)/общее количество пикселей в сегментации земной истины.
на изображении ниже: count (серый)/(счетчик (черный + серый))
Мера, которую вы должны учитывать, также является отношением области обнаружения по сравнению с земной зоной истины, поскольку у вас может быть обнаружение, которое охватывает все изображение, и имеет точность 100% по приведенной выше формуле.
Я думаю, что нужно использовать несколько мер, чтобы оценить результат сегментации. Точность (отношение правильно сегментированной области над земной истиной) недостаточно. Потому что ваша сегментация также может охватывать область, которая не находится в основной истине. Поэтому я предлагаю вам использовать следующие меры для оценки результата сегментации:
И насколько вы были бы счастливы, если бы объект наземной истины был обнаружен в 1000 маленьких сегментах, которые прекрасно покрывают область?