用于图像分割的fastai多类度量

Question

我目前正在探索如何用fastai将Dice度量应用于多类分割问题。我检查了这些概念，发现骰子和f1分数非常相似。接下来，关于它们在fastai.metrics中的实现，我有两个问题：

• dice()和{}的输出有什么不同？在
• 对于多标签图像分割用例，MultiLabelFbeta类可以吗？在
• 如果没有，是否已经有一个指标可以帮助我？在

非常感谢，祝你今天愉快！在

Answer 1

1）骰子度量通常应等于FBeta（β=1）。根据框架的不同，实现可能略有不同。然而，由于它们本质上非常相似，因此它们可以作为问题的度量标准互换使用。在

2）如果有多个重叠的遮罩，则可以使用MultiLabelFBeta。也就是说，如果您的分段标签不是互斥的。在

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，如果你有类'T恤'和'Human'，那么很明显你有重叠：人们穿着T恤，所以属于T恤的像素很可能属于人类。在

3）注意命名！多标签不同于多类。对于后者，标签是互斥的；对于前者，它们不是（T恤+人类例子）。在

如果你有一个多类分割问题，那么Dice/FBeta是相关的度量。如果有多标签分割问题，那么multilabelbeta是一个很好的度量标准。在