2024-10-04 05:20:52 发布
网友
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()
MultiLabelFbeta
非常感谢,祝你今天愉快!在
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
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
相关问题 更多 >
编程相关推荐