tf.keras.metrics.BinaryIoU

Вычисляет метрику Intersection-Over-Union для класса 0 и/или 1.

Наследуется от: IoU, Metric

tf.keras.metrics.BinaryIoU(
    target_class_ids=(0, 1), threshold=0.5, name=None, dtype=None
)

Формула:

iou = true_positives / (true_positives + false_positives + false_negatives)

Intersection-Over-Union — распространённая метрика оценки для семантической сегментации изображений.

Для вычисления IoU предсказания накапливаются в матрице неточностей, взвешенной по sample_weight, а затем по ней вычисляется метрика.

Если sample_weight является None, веса по умолчанию равны 1. Используйте sample_weight равный 0 для маскирования значений.

Этот класс можно использовать для вычисления IoU для задачи бинарной классификации, где предсказания предоставляются в виде логарифмов. Сначала к предсказанным значениям применяется threshold, таким образом, значения, которые находятся ниже порога threshold, преобразуются в класс 0, а значения, которые находятся выше порога threshold, преобразуются в класс 1.

Затем вычисляются IoU для классов 0 и 1, и возвращается среднее значение IoU для классов, указанных в target_class_ids.

Примечание: с threshold=0, эта метрика имеет такое же поведение, как и IoU.

Пример:

Пример:

m = keras.metrics.BinaryIoU(target_class_ids=[0, 1], threshold=0.3)
m.update_state([0, 1, 0, 1], [0.1, 0.2, 0.4, 0.7])
m.result()
0.33333334

m.reset_state()
m.update_state([0, 1, 0, 1], [0.1, 0.2, 0.4, 0.7],
               sample_weight=[0.2, 0.3, 0.4, 0.1])
# cm = [[0.2, 0.4],
#        [0.3, 0.1]]
# sum_row = [0.6, 0.4], sum_col = [0.5, 0.5],
# true_positives = [0.2, 0.1]
# iou = [0.222, 0.125]
m.result()
0.17361112

Использование с API compile():

model.compile(
    optimizer='sgd',
    loss='mse',
    metrics=[keras.metrics.BinaryIoU(
        target_class_ids=[0],
        threshold=0.5
    )]
)

Методы

add_variable

Посмотреть исходный код

add_variable(
    shape, initializer, dtype=None, aggregation='sum', name=None
)

add_weight

Посмотреть исходный код

add_weight(
    shape=(), initializer=None, dtype=None, name=None
)

from_config

Посмотреть исходный код

@classmethod
from_config(
    config
)

get_config

Посмотреть исходный код

Возвращает сериализуемую конфигурацию метрики.

reset_state

Посмотреть исходный код

Сбрасывает все переменные состояния метрики.

Эта функция вызывается между эпохами/шагами, когда метрика оценивается во время обучения.

result

Посмотреть исходный код

Вычисляет intersection-over-union через матрицу неточностей.

stateless_reset_state

Посмотреть исходный код

stateless_reset_state()

stateless_result

Посмотреть исходный код

stateless_result(
    metric_variables
)

stateless_update_state

Посмотреть исходный код

stateless_update_state(
    metric_variables, *args, **kwargs
)

update_state

Посмотреть исходный код

Накапливает статистику матрицы неточностей.

Перед обновлением матрицы неточностей предсказанные значения пороговые, то есть: 0 для значений, меньших threshold, 1 для значений, больших или равных threshold.

__call__

Посмотреть исходный код

__call__(
    *args, **kwargs
)

Вызов себя как функции.