10.3778/j.issn.1002-8331.2207-0139
语义分割评价指标和评价方法综述
深度学习算法在语义分割领域已经取得大量突破,对这些算法的性能评估应选择标准、通用、全面的度量指标,以保证评价的客观性和有效性.通过对当前语义分割评价指标和度量方法进行归纳分析,从像素标记准确性、深度估计误差度量、执行效率、内存占用、鲁棒性等方面进行了多角度阐述,尤其对广泛应用的F1分数、mIoU、mPA、Dice系数、Hausdorff距离等准确性指标进行了详细介绍,并总结了提高分割网络鲁棒性的方法,指出了语义分割实验的要求和当前分割质量评价存在的问题.
语义分割、评价指标、平均交并比(mIoU)、平均像素精度(mPA)、鲁棒性
59
TP183(自动化基础理论)
海南省自然科学基金项目621QN270
2023-03-30(万方平台首次上网日期,不代表论文的发表时间)
共13页
57-69