【科研】一目了然单目深度估计实验评价指标

1.度量指标表概览(自整待完善)

SI  Scale-Invariant loss 尺度不变损失YES 像素深度损失
bi-directional chamfer loss 双向槽损失YES Bin中心稠密损失
L1 loss & LAD & LAE L1范数损失函数 

把目标值与估计值的绝对差值的总和最小化

RMSE  Root Mean Square Error 均方根误差  衡量观测值与真实值之间的偏差
SSIM structural similarity index 结构相似性指数  度量两幅图像间的结构相似性
REL  average relative error 平均相对误差 反映测量的可信度
Sq.Rel  squared Relative difference 相对差平方平均误差
average(Log_{10})error 平均(Log_{10})误差
threshold accuracy (\delta _{i}) 阈值准确性

2.公式概览:单目深度估计评估指标

【科研】一目了然单目深度估计实验评价指标_第1张图片
 3.论文常用:错误率及精度指标【科研】一目了然单目深度估计实验评价指标_第2张图片

其中 di 是真值 di* 是估计值,在像素 i 和 N 表示预测深度是像素 i 的总数。

解释:

  • 绝对相对误差(Abs.Rel)根据真实深度归一化逐像素误差,减少了大误差随距离的影响。
  • 相对误差(Sq.Rel)平方项惩罚更大的深度误差(例如,近不连续)
  • 均方根误差(RMSE)用于测量回归误差的传统度量均方根对数误差(RMSE log)。对数使得这个误差是相对的,减少了大误差随距离的影响。

4.修正的精度指标δ

 【科研】一目了然单目深度估计实验评价指标_第3张图片

 已往文章:

最小二乘→极大似然估计→深度学习loss_极大似然估计与深度学习

Scale- and shift-invariant losses 

你可能感兴趣的:(【科研探索】,深度学习,计算机视觉,python)