davis交互式分割的评价框架
davisinteractive的Python项目详细描述
戴维斯互动评估框架
这是一个评估DAVIS 2017数据集上的交互式分段模型的框架。该代码旨在提供一个易于使用的界面来测试和验证交互式分割模型。
该工具还用于评估davis挑战赛中视频对象分割的Interactive Track。有关DAVIS website中最新挑战版的更多信息。
您可以在以下存储库中找到如何使用包的示例：
戴维斯涂鸦
在经典的davis半监督质询轨迹中，任务是以semi-supervised方式分割一个对象，即给定的输入是第一帧的基本真值掩码。相反，在davis interactive challenge中，用户输入是scribbles，人类可以更快地绘制，因此是一种更真实的输入类型。
交互式注释和分段包含在一个迭代循环中，其计算如下：
- 在第一次交互中，为视频序列中的每个对象提供了一个带有人类注释的涂鸦来分割模型。因此，模型必须预测包含所有帧的所有对象的分割掩码。
note：所有的scribble都在一个框架中注释，但这不一定是序列中的第一个框架，因为注释者被指示注释最相关和最有意义的框架。这与半监督轨道形成对比，半监督轨道只对第一帧进行了严格的注释。 - 然后，将预测的遮罩提交到返回人工模拟涂鸦的服务器。这些涂鸦总是在一个框架中注释。在用户指定的帧列表中，该帧被选为评估结果最差的帧。默认情况下，此列表包含序列中的所有帧。
- 在接下来的步骤中，分割模型在使用新的涂鸦预测遮罩和将遮罩提交给包含新涂鸦的遮罩之间不断迭代。
求值：求值度量是区域相似性$\mathcal{j}$和轮廓精度$\mathcal{f}$的平均值。有关度量的详细信息here。对train和val子集的求值可以随时脱机进行，而对test-dev子集的求值必须针对仅在challanges期间可用的服务器进行。
更多信息：请查看Installation指南以安装软件包并向下加载涂鸦。此外，请参阅Usage指南，了解如何将代码与服务器接口。
contributions：如果要向包中添加新功能，请毫不犹豫地发送pull request。
引文
如果Davis或本规范有助于您的研究，请在您的出版物中引用这两篇论文。
@article{Caelles_arXiv_2018, author = {Sergi Caelles and Alberto Montes and Kevis-Kokitsi Maninis and Yuhua Chen and Luc {Van Gool} and Federico Perazzi and Jordi Pont-Tuset}, title = {The 2018 DAVIS Challenge on Video Object Segmentation}, journal = {arXiv:1803.00557}, year = {2018}}
@article{Pont-Tuset_arXiv_2017, author = {Jordi Pont-Tuset and Federico Perazzi and Sergi Caelles and Pablo Arbel\'aez and Alexander Sorkine-Hornung and Luc {Van Gool}}, title = {The 2017 DAVIS Challenge on Video Object Segmentation}, journal = {arXiv:1704.00675}, year = {2017}}
欢迎加入QQ群-->： 979659372
