tf.keras.metrics.MeanIoU

Вычисляет метрику среднего перекрытия (Intersection-Over-Union).

Наследуется от: Metric

tf.keras.metrics.MeanIoU(
    num_classes, name=None, dtype=None
)

Среднее перекрытие (Intersection-Over-Union) — это общая метрика оценки семантической сегментации изображений, которая сначала вычисляет IOU для каждого семантического класса, а затем вычисляет среднее значение по классам. IOU определяется следующим образом: IOU = true_positive / (true_positive + false_positive + false_negative). Предсказания 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 0 для маскирования значений.

Использование автономно:

# 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))
# result = (1 / (2 + 2 - 1) + 1 / (2 + 2 - 1)) / 2 = 0.33
m = tf.keras.metrics.MeanIoU(num_classes=2)
m.update_state([0, 0, 1, 1], [0, 1, 0, 1])
m.result().numpy()
0.33333334

m.reset_states()
m.update_state([0, 0, 1, 1], [0, 1, 0, 1],
               sample_weight=[0.3, 0.3, 0.3, 0.1])
m.result().numpy()
0.23809525

Использование с API compile():

model.compile(
  optimizer='sgd',
  loss='mse',
  metrics=[tf.keras.metrics.MeanIoU(num_classes=2)])

Методы

reset_states

Посмотреть исходный код

reset_states()

Сбрасывает все переменные состояния метрики.

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

result

Посмотреть исходный код

result()

Вычисление среднего значения перекрытия (Intersection-Over-Union) с помощью матрицы неточностей.

update_state

Посмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику матрицы неточностей.