6-5 인식모델 평가지표(IOU 등)

IOU

Jaccard  index 라고도하는 IoU (Intersection over Union) metric은 기본적으로 target 과 prediction 간의 percent overlap 을 정량화하는 방법입니다. 

 

IoU 메트릭은 target 과 prediction 사이의 공통 픽셀 수를 총 픽셀 수로 나눈 값을 측정합니다.

논문의 리포트에 자주 나오는 정확도

n_cl : the number of classes

t_i : the total number of pixels in class i

n_ij : the number of pixels of class i predicted to belong to class j. So for class i:

n_ii : the number of correctly classified pixels (true positives)

n_ij : the number of pixels wrongly classified (false positives)

n_ji : the number of pixels wrongly not classifed (false negatives)

 

Pixel Accuracy : 클래스 i 전체 픽셀 중 prediction 성공한 픽셀 수

Mean Accuracy : 전체 클래스에 대한 Pixel Accuracy 평균

Mean IU : (전체 픽셀과 예측 실패 픽셀-예측성공 픽셀의 합에서 예측 성공 픽셀 합 = IOU) 의 평균

Frequency Weighted IU : unbalanced, similar to pixel accuracy

 

참고

https://www.jeremyjordan.me/evaluating-image-segmentation-models/