tf.keras.metrics.IoU

Вычисляет метрику Intersection-Over-Union для определённых целевых классов.

Наследуется от: Metric

tf.keras.metrics.IoU(
    num_classes,
    target_class_ids,
    name=None,
    dtype=None,
    ignore_class=None,
    sparse_y_true=True,
    sparse_y_pred=True,
    axis=-1
)

Формула:

iou = true_positives / (true_positives + false_positives + false_negatives)

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

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

Если sample_weight равно None, веса по умолчанию равны 1. Используйте sample_weight равные 0, чтобы замаскировать значения.

Обратите внимание, что этот класс сначала вычисляет IoU для всех отдельных классов, а затем возвращает среднее значение IoU для классов, указанных в target_class_ids. Если target_class_ids содержит только одно значение идентификатора, возвращается IoU этого конкретного класса.

Аргументы
`num_classes`	Возможная численность меток, которые может иметь задача прогнозирования.
`target_class_ids`	Кортеж или список идентификаторов целевых классов, для которых возвращается метрика. Чтобы вычислить IoU для конкретного класса, необходимо указать список (или кортеж) с одним значением идентификатора.
`name`	(Необязательно) строковое имя экземпляра метрики.
`dtype`	(Необязательно) тип данных результата метрики.
`ignore_class`	(Необязательно) целое число. Идентификатор класса, который будет игнорироваться при вычислении метрики. Это полезно, например, в задачах сегментации с классом «пустоты» (обычно -1 или 255) в картах сегментации. По умолчанию (`ignore_class=None`) учитываются все классы.
`sparse_y_true`	Используются ли метки с целыми числами или плоскими векторами с плавающей точкой. Если `False`, используется функция `argmax` для определения наиболее вероятной метки каждого образца.
`sparse_y_pred`	Используются ли прогнозы с целыми числами или плоскими векторами с плавающей точкой. Если `False`, используется функция `argmax` для определения наиболее вероятной метки каждого образца.
`axis`	(Необязательно) -1 — размерность, содержащая логарифмы. По умолчанию равно `-1`.

Примеры:

# cm = [[1, 1],
#        [1, 1]]
# sum_row = [2, 2], sum_col = [2, 2], true_positives = [1, 1]
# iou = true_positives / (sum_row + sum_col - true_positives))
# iou = [0.33, 0.33]
m = keras.metrics.IoU(num_classes=2, target_class_ids=[0])
m.update_state([0, 0, 1, 1], [0, 1, 0, 1])
m.result()
0.33333334

m.reset_state()
m.update_state([0, 0, 1, 1], [0, 1, 0, 1],
               sample_weight=[0.3, 0.3, 0.3, 0.1])
# cm = [[0.3, 0.3],
#        [0.3, 0.1]]
# sum_row = [0.6, 0.4], sum_col = [0.6, 0.4],
# true_positives = [0.3, 0.1]
# iou = [0.33, 0.14]
m.result()
0.33333334

Использование с API compile():

model.compile(
    optimizer='sgd',
    loss='mse',
    metrics=[keras.metrics.IoU(num_classes=2, target_class_ids=[0])])

Атрибуты
`dtype`
`variables`

Методы

`add_variable`

Просмотреть исходный код

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

`add_weight`

Просмотреть исходный код

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

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

`get_config`

Просмотреть исходный код

get_config()

Возвращает сериализуемую конфигурацию метрики.

`reset_state`

Просмотреть исходный код

reset_state()

Сбрасывает все переменные состояния метрики.

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

`result`

Просмотреть исходный код

result()

Вычисляет intersection-over-union с помощью матрицы неточностей.

`stateless_reset_state`

Просмотреть исходный код

stateless_reset_state()

`stateless_result`

Просмотреть исходный код

stateless_result(
    metric_variables
)

`stateless_update_state`

Просмотреть исходный код

stateless_update_state(
    metric_variables, *args, **kwargs
)

`update_state`

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику матрицы неточностей.

Аргументы
`y_true`	Значения фактических данных.
`y_pred`	Предсказанные значения.
`sample_weight`	(Необязательно) весовая оценка каждого примера. Может быть `Tensor`, чья ранг равняется 0 или совпадает с рангом `y_true`, и должен быть совместим с `y_true`. По умолчанию `1`.

Возвращаемое значение
Операция обновления.

`call`

Просмотреть исходный код

__call__(
    *args, **kwargs
)

Вызов себя как функции.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/metrics/IoU