fastai - 图像分割的多类指标

Question

我目前正在探索如何将 Dice 度量应用于 fastai 的多类分割问题。我检查了这些概念，发现 Dice 与 F1Score 非常相似。在此之后，我有两个关于它们在fastai.metrics 中的实施的问题：

• dice() 和 fbeta(beta=1) 输出有何不同？
• MultiLabelFbeta 类适用于多标签图像分割用例吗？
• 如果没有，是否已经存在可以帮助我的指标？

非常感谢您，祝您有美好的一天！

Answer 1

1. 骰子指标通常应等于FBeta(beta=1)。根据框架的不同，实现可能会略有不同。但是，由于这些本质上非常相似，因此它们可以互换用作您问题的指标。

2. MultiLabelFBeta 如果您有多个重叠掩码，则可以使用。也就是说，如果您的分段标签不是互斥的。

例如，狗和猫的像素是互斥的（即属于猫的像素永远不会属于狗，反之亦然）。但是，如果您有“T-shirt”和“Human”类，那么很明显您有重叠：人们穿着 T-shirt，因此属于 T-Shirt 的像素很可能属于人类。

1. 注意命名法！ MultiLabel 与 MultiClass 不同。在后者的情况下，标签是互斥的；在前者的情况下，它们不是（T 恤 + 人类示例）。

如果您有多类分割问题，那么Dice/FBeta 是相关指标。如果您有多标签分割问题，那么MultiLabelFbeta 是一个很好的指标。