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

最新推荐文章于 2024-11-18 10:47:57 发布
最新推荐文章于 2024-11-18 10:47:57 发布
阅读量4.1k 收藏 35
点赞数 12
CC 4.0 BY-SA版权
文章标签： 人工智能 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_50988206/article/details/136563723

 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)

    &

最低0.47元/天 解锁文章

200万优质内容无限畅学
使用GPU加速的显着性对象检测评估技术详解 - MAE、Max F-measure、S-measure与E-measure的实践应用
m0_57781768的博客
09-23 1627
显着性对象检测的目的是找到图像中最能吸引人的部分，这通常是图像中与背景有明显区别的对象或区域。这种技术在很多应用中都有广泛的应用，如图像编辑、广告设计、视频压缩等。: 这是一个常用的评价指标，用于衡量显着性图与真实显着性图之间的差异。它计算两者之间的平均绝对误差。: F-measure是精确度和召回率的调和平均值。Max F-measure是在不同的阈值下，F-measure的最大值。S-measure: 也称为结构化测量，它考虑了区域和边界的显着性。E-measure。
目标检测和图像语义分割领域的性能评价指标
u013256679的博客
01-15 6711
混淆矩阵 从混淆矩阵出发，再看各项性能评价指标就一目了然了。 1）True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）； 2）False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数； 3）False negatives(FN): 被错误地划分为负例的个数，即实际为正例但被分类...
显著性检测的评价指标
qq_49230659的博客
08-01 9976
对于显著性检测，最基本的指标请看这一篇。
目标检测评价指标
10-29
目标检测 评价指标 目标检测 评价指标目标检测 评价指标 目标检测 评价指标
显著性目标检测模型评价指标（三）——F-measure
乐乐lelele的博客
03-19 2万+
显著性目标检测模型评价指标 之 F-measure原理与实现代码 目录 显著性目标检测模型评价指标 之 F-measure原理与实现代码 目录 一、F-measure原理 三、 Matlab代码 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 参考文献 一、F-measure原理 上篇博客中，我们介绍了PR曲线，但是很多情况下，不管是查准率...
显著性目标检测模型评价指标（一）——平均绝对误差：Mean Absolute Error(MAE)
热门推荐
乐乐lelele的博客
03-14 5万+
显著性目标检测模型评价指标 之 平均绝对误差(MAE)原理与实现代码 目录 显著性目标检测模型评价指标 之 平均绝对误差(MAE)原理与实现代码 目录 一、显著性目标检测简介 显著性目标(Salient Object)： 显著性目标检测(Salient Object Detection)： 评价指标(Evaluation Metrics)： 二、Mean Absolute Erro...
显著性检测的评价指标代码
q2479036243的博客
08-29 2883
显著性检测指标python代码
显著性目标检测模型评价指标
郡主的博客
05-20 2449
显著性目标检测模型评价指标（二）——PR曲线 显著性目标检测模型评价指标（三）——F-measure
matlab中的f-measure代码-Evaluate-SOD:使用GPU实现对显着对象检测的一键式快速评估，包括MAE、MaxF-meas
06-04
实现对显着性对象检测的一键式快速评估，包括MAE、Max F-measure、S-measure、E-measure 。 代码是从 matlab 版本重新实现的，这些版本可以从 使用 pytorch 实现 GPU，可以更轻松地嵌入到 eval 代码中。 一键评测 ...
使用 GPU 实现的一键快速评估显着性对象检测，包括 MAE、Max F-measure、S-measure、E-measure
07-11
使用 GPU 实现的一键快速评估显着性对象检测，包括MAE、Max F-measure、S-measure、E-measure。 代码从可从http://dpfan.net/ 获得的 matlab 版本重新实现 使用 pytorch 实现 GPU 可以更容易地嵌入到 eval 代码中...
S-measure(matlab)_S-measure_libraryzsp_
10-04
用于图形检测领域的评价，具有更好的稳定性和准确性
此工具箱包含 E- measure、S - measure、加权 F 和 F- measure、MAE 和 PR 曲线或显着对象
07-11
MATLAB 显着性评估工具箱 该工具箱包含几乎所有显着对象检测的评估指标，包括： 电子测量 S-测量 加权 F 度量 F-测量 MAE分数 PR 曲线或条形指标 边界位移误差 您可以轻松地使用此工具箱来评估 SOD 结果。 更多详情、使用方法，请下载后阅读README.md文件
E-measure:IJCAI 2018（口头）二元前景地图评估的增强对齐措施
05-12
电子测量：用于二进制前景地图评估的增强对齐测量 出版物 ，[恭城]，曹阳，陆刃波，和 二值前景图评估的增强对准量度IJCAI，2018 [] [ ] [] 用法 要求： 1. Matlab Matlab示例 You can just run the demo.m to get the evaluation results. 如果我们的代码对您有用，请引用我们的论文 @inproceedings {FanStructMeasureICCV17，标题= {结构量度：一种评估前景地图的新方法}，作者= {范登平，郑明明，刘云和李涛和阿里·伯吉}，书名= {IEEE国际会议关于计算机视觉}，年份= {2017}} @inproceedings {Fan2018Enhanced，标题= {用于二进制前景地图评估的增强对齐方式}，作者= {范登平，龚恭，杨Yang，任伯，郑明明，Ali B
显著性检测评估指标：EMD显著性分析
最新发布
weixin_32535825的博客
11-18 1323
本文还有配套的精品资源，点击获取 简介：显著性检测是计算机视觉中的关键领域，它旨在模拟人类视觉系统，识别图像中最具吸引力的部分。本压缩包文件涵盖了显著性检测的评估指标，尤其是基于EMD的评价方法。通过生成显著图来标记图像中吸引注意力的区域，并利用EMD等指标来评估这些图的质量。其他评估指标还包括ROC曲线、AUC、Precision-Recall曲线和F-measure等。...
显著目标检测常见性能评价指标之：MAE(Mean Absolute Error)
xiongxyowo的博客
08-15 5302
Mean Absolute Error(MAE) 一般记做MAE{\mathop{\rm MAE}\nolimits}MAE，平均绝对误差，比较预测结果与真值之间的逐像素绝对值差异： MAE(y,y^)=1n∑i=0n−1∣yi−y^i∣{\mathop{\rm MAE}\nolimits} (y,\hat y) = {1 \over n}\sum\limits_{i = 0}^{n - 1} {\left| {{y_i} - {{\hat y}_i}} \right|} MAE(y,y^​)=n1​i=0
显著性目标检测（综述）
君莫笑
07-08 2万+
《Salient Object Detection: A Survey》 url:https://arxiv.org/abs/1411.5878 笔记思路： 1.显著性检测的用途：根据显著性特征（空间域、频域等 ），快速有效地提取场景中有用的区域（目标区域等）进行进一步分析（显著性目标检测），如object proposal generation, generic scene segmentation, saliency for fixation prediction. 2.显著性检测的过程：..
显著性检测评价指标
ReaFly的博客
12-18 4962
1.P-R曲线（Precision查准率, Recall查全率） M为二值化的显著预测图，G为Ground Truth. 通过设置阈值得到二值化的显著预测图M，通过上式计算得到一对Precision,Recall（所有图片的P，R取平均）。阈值取值为0~255.这样，不同的阈值，对应不同的P-R对，总共有256个P-R对。以P为纵坐标，R为横坐标，构成P-R曲线。 参考 https://blog...
显著性评价指标：眼注视点和目标检测指标（附参考论文）
像我这样的人
07-23 4103
显著性一般分为物体的显著性（saliency object detection）以及眼注视点（ eye fixation saliency）的显著性，虽然两者都能展现吸引用户注意力的物体或者区域，但是侧重点不同。物体的显著性主要在于图像中各个物体轮廓的检测，具体来说就是目标检测，语义分割等等都涉及到物体的显著性；而眼注视点的显著性更多是关注用户观看的区域，和用户的观看行为有联系。由于用户在观看全景视频时，往往会关注视频中比较突出的部分，所以两者也有交集
显著目标检测评价指标 MAE 和 MSE
一千零一夜的博客
08-06 6690
MAE：平均绝对误差(mean absolute error)，对应位置差值的绝对值之和 clear; clc; % mean absolute error % smap is saliency map % gmap is ground truth map smap = imread('smap.png'); gmap = imread('gt.png'); if size(gmap,3)...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一只懒洋洋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值