细分评估工具
segmentation-evaluation的Python项目详细描述
分段评估工具
该工具有两个主要特点:
- 手动分割图像以创建ground truth
- 根据recall和precision
文档可以通过link访问。在
目录
安装
使用pip安装该工具:
pip install segmentation-evaluation
使用
要使用该工具,请打开终端和数字segmentation-evaluation
:
之后,将显示打印菜单:
PERFORMANCE TOOL
- Press 1 to manually segment the image
- Press 2 to evaluate programmatically segmentation
要退出菜单,请按ctrl + c
。在
分段
从菜单中选择1
,将激活分段模式。
在插入图像的absolute path和保存结果的文件夹的*absolute path之后,将显示一个显示所需图像的窗口。在
要插入一个点,请双击所需位置的。
将显示一个绿色点。然后,插入另一个点,显示两个点之间的线段。
第三次插入一个点后,将显示一个顶点为点的多边形。在
A point | A line |
---|---|
A polygon with 3 vertexes | with 4 vertexes |
除了插入新点之外,还可以在显示image窗口时执行插入特定字符的多个操作
可能的措施有:
一旦保存操作是一个弹出消息,要求返回到终端窗口,在那里可以插入与多边形相关的标签。
然后一个打印的字符串要求返回图像窗口以插入新的多边形。在
如果不想插入新的多边形,请返回图像窗口并键入q
。一个窗口显示插入的与标签相关联的所有对象并再次键入q
执行将终止。在
评估
为了进行评估,需要提供3条路径:
- 表示正确分段的JSON文件的路径,即基本事实
- 表示要计算的分段的JSON文件的路径
- 保存评估的文件夹的路径
通过计算召回率和精确度值来进行评估。 为了考虑匹配良好,对象必须满足大于或等于80%的并集的交集。在
结果保存到一个包含多个值的json文件中,关联的键是两个json文件中匹配的标签作为输入。
另外还有一个最终值,它收集与键overall_performance
相关的整体参数。
字典中的每一项都是另一个包含这些键的字典:
"n_good_match"
:两个json文件之间匹配的多边形数"n_correct"
:地面真实中存在的多边形数"n_found"
:要计算的分段中存在的多边形数"recall"
:n_匹配良好/n\u正确"precision"
:n_找到了匹配的好的匹配项
NB:输入的json结构必须符合以下结构:
{"0":{"label":"name","points":[[803,1138],[980,1167],[972,1370],[797,1331]]},"1":{"label":"","points":[]}}
主键是唯一标识多边形的增量值。
每个多边形都必须包含一个名为"label"
的键和以list为值的"points"
,该列表包含多边形的顶点。每个顶点都是由(x,y)坐标的列表或元组表示的一个点。在
版本
1.0
:首次发布
学分
工具编写人:
许可证
此项目使用GPL-3.0许可证-有关详细信息,请参阅LICENSE.md文件
- 项目
标签: