[PaddleSeg 源码阅读] PaddleSeg计算Dice

$Dice$ 系数是一种集合相似度量函数，通常用于计算两个集合的相似度，取值范围是$[0,1]$:

$$Dice(X,Y)=\frac{2|X\cap Y|}{|X|+|Y|}$$

$|.|$ 表示取集合元素的数量函数

$$Dice(X,Y)=\frac{两者交集元素的个数\times 2}{两者元素数量之和}$$

PaddleSeg 中的实现：

def dice(intersect_area, pred_area, label_area):
    """
    Calculate DICE.
    计算 DICE 值.

    Args:
        intersect_area (Tensor): The intersection area of prediction and ground truth on all classes.
        pred_area (Tensor): The prediction area on all classes.
        label_area (Tensor): The ground truth area on all classes.

    Returns:
        np.ndarray: DICE on all classes.
        float: mean DICE of all classes.
    """
    # 将三者转化为 np.adarray
    intersect_area = intersect_area.numpy()
    pred_area = pred_area.numpy()
    label_area = label_area.numpy()
    
    # 两个集合元素的数量
    union = pred_area + label_area
    class_dice = []
    for i in range(len(intersect_area)): # 在每一类中开始迭代
        if union[i] == 0:
        	# 如果分子为 0，也就是当前图片没有该类元素
            dice = 0
        else:
            dice = (2 * intersect_area[i]) / union[i]
        class_dice.append(dice)
        
    mdice = np.mean(class_dice)
    return np.array(class_dice), mdice

intersect_area, pred_area, label_area 这三个参数是通过:

calculate_area(pred, label, num_classes, ignore_index=255)

来计算的，接上一篇博客：
[PaddleSeg 源码阅读] PaddleSeg计算 mIoU