【机器学习】图像语义分割常用指标-HD95

一般使用dice衡量区域的重合程度,使用95%的HD( Hausdorff Distance)去衡量边界的重合程度,之所以取95%,是因为要滤去5%的离群点。但其实,虽然有两个指标,95hd经常不是主动优化的paper。一般dice小了,95HD就小了,因此大多数人使用dice loss作为梯度下降的loss。

DSC(Dice Similarity Cofficient) 用于度量两个集合的相似度,取值范围为[0,1],值越大,表示两个集合越相似。常用在計算闭合区域的相似性。
HD豪斯多夫距离,计算两个集合之间的距离,值越小,代表两个集合的相似度越高。

Hausdorff_95 (95% HD) 原理

【机器学习】图像语义分割常用指标-HD95_第1张图片
【机器学习】图像语义分割常用指标-HD95_第2张图片
【机器学习】图像语义分割常用指标-HD95_第3张图片
【机器学习】图像语义分割常用指标-HD95_第4张图片
【机器学习】图像语义分割常用指标-HD95_第5张图片
【机器学习】图像语义分割常用指标-HD95_第6张图片
【机器学习】图像语义分割常用指标-HD95_第7张图片
【机器学习】图像语义分割常用指标-HD95_第8张图片
【机器学习】图像语义分割常用指标-HD95_第9张图片

95% HD is similar to maximum HD. However, it is based on the calculation of the 95th percentile of the distances between boundary points in X and Y. The purpose for using this metric is to eliminate the impact of a very small subset of the outliers.

95%高清类似于最高高清。然而,它是基于X和y中边界点之间距离的第95百分位数的计算。使用该度量的目的是消除非常小的异常值子集的影响。

参考CSDN

1.
2.

你可能感兴趣的:(CV图像分割,机器学习,人工智能)