图像分割评价指标: Dice, MIoU, MPA等

目录

1、混淆矩阵

2、Dice

3、MIoU

4、MPA

---

仅为个人结合一些博客的理解。

1、混淆矩阵

如果是k+1分类问题，就会生成(k+1)*(k+1)的混淆矩阵（具体定义可参见百度百科）。下面以肺结节分割为例，显然这是一个二分类的问题，肺结节=1，背景=0.

pred: 预测值

gt: 真实值

二分类混淆矩阵展示

	pred = 肺结节	pred = 背景
gt = 肺结节	TP	FN
gt = 背景	FP	TN

TP（真阳性）：样本预测为正例，真实为正例，预测正确

FN（假阴性）：样本预测为负例，真实为正例，预测错误

FP（假阳性）：样本预测为正例，真实为负例，预测错误

TN（真阴性）：样本预测为负例，真实为负例，预测正确

橙色表示整个样本

蓝色表示样本中真实为正例（eg. 肺结节）的部分

红色表示样本中预测为正例的部分

 混淆矩阵的计算：

参考：补充：混淆矩阵、图像分割指标计算

2、Dice

我们把X当作Gt，Y当作Pred，dice系数就可以评价结果了。

参考上面的韦恩图：

        X = FN + TP

        Y = TP + FP

所以，上面公式可以转换为：

3、均交并比MIoU（Mean Intersection over Union）

（带有M表示平均）

计算两个集合交集与其并集的重合比例。

这里我们计算Gt和Pred之前的交并比。

4、MPA

（带有M表示平均）

计算正确分类的像素与所有像素数量的比值。

5、SEN

6、PPV（Positive Predict Value）

参考博客：

混淆矩阵以及精确率召回率的计算

Dice系数(Dice coefficient)与mIoU与Dice Loss

（分割网络评价指标）dice系数和IOU之间的区别和联系

语义分割的评价指标

【语义分割】语义分割任务中最常用的评价指标

图像分割的基础知识与评价指标

【理论+实践】史上最全-论文中常用的图像分割评价指标-附完整代码