我阅读了一些关于最先进的语义分割模型的论文，在所有这些论文中，作者都使用 F1 分数指标进行比较，但他们没有写出他们是否使用“微”或“宏”版本。
有谁知道使用哪个 F1 分数来描述分割结果，以及为什么作者没有在论文中定义它如此明显？
样本文件：
【问题讨论】：
标签： computer-vision semantic-segmentation
只有一个 F-1 分数 - 准确率和召回率的调和平均值。
Macro/Micro/Samples/Weighted/Binary 用于多类/多标签目标的上下文中。如果None，则返回每个班级的分数。否则，这将确定对数据执行的平均类型：
binary: 只报告 pos_label 指定的类的结果。这仅适用于目标 (y_{true,pred}) 是二进制的。
micro：通过统计真阳性、假阴性和假阳性的总数来全局计算指标。
macro：计算每个标签的指标，并找到它们的未加权平均值。这没有考虑标签不平衡。
weighted：计算每个标签的指标，并找到它们的平均加权支持度（每个标签的真实实例数）。这会改变“宏观”以解决标签不平衡问题；它可能导致 F 分数不在精确率和召回率之间。
samples：计算每个实例的指标，并找到它们的平均值（仅对不同于 accuracy_score 的多标签分类有意义）
Segnet 论文在表#5 中分别讨论了不同类别的准确度。所以我认为他们在这种情况下选择了None。
【讨论】：