tf.keras.metrics.IoU

Вычисляет метрику пересечение-над-объединением для определённых целевых классов.

Наследуется от: Metric, Layer, Module

tf.keras.metrics.IoU(
    num_classes: int,
    target_class_ids: Union[List[int], Tuple[int, ...]],
    name=None,
    dtype=None
)

Общее определение и вычисление:

Пересечение-над-объединением — это общая метрика оценки для семантической сегментации изображений.

Для отдельного класса метрика IoU определяется следующим образом:

iou = true_positives / (true_positives + false_positives + false_negatives)

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

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

Обратите внимание, что этот класс сначала вычисляет IoU для всех отдельных классов, затем возвращает среднее значение IoU для классов, которые указаны в target_class_ids. Если target_class_ids имеет только одно значение id, возвращается IoU этого конкретного класса.

Использование отдельно:

# 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 = tf.keras.metrics.IoU(num_classes=2, target_class_ids=[0])
m.update_state([0, 0, 1, 1], [0, 1, 0, 1])
m.result().numpy()
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().numpy()
0.33333334

Использование с API compile():

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

Методы

merge_state

Просмотреть исходный код

merge_state(
    metrics
)

Объединяет состояние из одной или нескольких метрик.

Этот метод может использоваться распределёнными системами для объединения состояния, вычисленного различными экземплярами метрик. Обычно состояние хранится в виде весов метрики. Например, метрика tf.keras.metrics.Mean содержит два значения весов: общее и счёт. Если есть два экземпляра tf.keras.metrics.Accuracy, которые независимо агрегируют частичное состояние для расчёта общей точности, состояния этих двух метрик можно объединить следующим образом:

m1 = tf.keras.metrics.Accuracy()
_ = m1.update_state([[1], [2]], [[0], [2]])

m2 = tf.keras.metrics.Accuracy()
_ = m2.update_state([[3], [4]], [[3], [4]])

m2.merge_state([m1])
m2.result().numpy()
0.75

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 пересечение-над-объединением с помощью матрицы неточностей.

update_state

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику матрицы неточностей.