显著性目标检测评价指标Smeasure, wFmeasure, MAE, adpEm, meanEm, maxFm

 一、评价指标：

Smeasure (Structure Measure) 

        结构度量是一种综合评估指标，用于评估预测的分割结果与真实分割之间的结构相似性。它考虑了分割结果的边缘连通性、区域完整性和边界偏移等因素，值越接近1表示分割结果与真实分割结构越相似。

wFmeasure (Weighted F-measure)

        加权 F-measure是精度和召回率的加权平均值，其中精度衡量了分割结果中正确分类的像素数量，而召回率衡量了所有真实正例中被正确分类的像素数量。它通过平衡精度和召回率来评估分割结果的整体性能。

MAE (Mean Absolute Error)

        平均绝对误差是预测值与真实值之间差值的绝对值的平均值。在图像分割任务中，它衡量了预测边界位置与真实边界位置之间的平均距离，值越小表示预测结果与真实结果之间的差异越小。

adpEm (Adaptive E-measure)

        自适应 E-measure是一种结构相似性指标，用于评估分割结果与真实分割之间的结构相似性。与传统的结构度量不同，自适应 E-度量根据每个像素的局部特征动态调整权重，以更好地反映局部结构信息。

meanEm (Mean E-measure)

        平均 E-measure是自适应 E-measure在整个图像上的平均值，它衡量了分割结果与真实分割之间的平均结构相似性。

maxEm (Maximum E-measure)

        最大 E-measure是自适应 E-measure在整个图像上的最大值，它表示了分割结果与真实分割之间的最大结构相似性。

adpFm (Adaptive F-measure)

        自适应 F-measure是一种综合评估指标，结合了精度和召回率的自适应权重，以更好地反映局部结构信息。

meanFm (Mean F-measure)

        平均 F-measure是自适应 F-measure在整个图像上的平均值，它综合考虑了分割结果的精度和召回率。

maxFm (Maximum F-measure)

        最大 F-measure是自适应 F-measure在整个图像上的最大值，它表示了分割结果的最佳整体性能。

二、如何用上述评价指标衡量模型性能：

1. Smeasure (结构度量)：数值越接近1越好，表示预测结果与真实结果的结构相似性越高。

2. wFmeasure (加权 F-度量)：数值越接近1越好，表示分割结果的整体性能越好。

3. MAE (平均绝对误差)：数值越小越好，表示预测边界位置与真实边界位置之间的差异越小。

4. adpEm (自适应 E-度量)、meanEm (平均 E-度量)、maxEm (最大 E-度量)：数值越接近1越好，表示分割结果与真实分割之间的结构相似性越高。

5. adpFm (自适应 F-度量)、meanFm (平均 F-度量)、maxFm (最大 F-度量)：数值越接近1越好，表示分割结果的整体性能越好。

综上所述，大多数指标的数值越接近1越好，只有 MAE 是数值越小越好。