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：
- 马蒂亚·桑奇奥尼
- 亚历山德罗康塞蒂
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：
欢迎加入QQ群-->： 979659372
