关于测试指标的问题

[Joazs]

您好，我在阅读metric.py文件遇到了一些问题。 1.我在阅读batch_pix_accuracy方法与batch_intersection_union方法时，发现predict=(output>0).astype('int64')。请问这里的0是什么物理含义？ 2.最后得到的mIoU是目标与背景的IOU平均值吗？

[YeRen123455]

你好，本文用到的是前景区域IoU评价指标，没有做平均。

[Joazs]

您好，我在使用PD_FA评估自己模型的目标级指标遇到了问题。我的IoU都正常，但是打印出来的PD和FA不正常。后面有很多0值。 打印出来的PD和FA是列表，请问是滑动阈值下的虚警率和检测率吗？如果我要看Tr=50%的虚警率和检测率是不是就看列表最中间的那个数？

[hijackoy]

论文中的IOU指标是取的best还是last啊，感觉训练不是很稳定。

[hijackoy]

PD_FA评估是不是有问题啊，后面确实很多0，感觉只有读第一个数才和作者的指标对的上 @Joazs ，请问你有解决吗

[Joazs]

这是因为PD_FA的方法中，作者它是用255来表示分割显著性。我后面自己做了更改就正常了，我是这样改的。 我在测试时，先将网络的输出过一个Sigmoid，使输出表示成到0-1之间的概率；然后更改PD_FA方法，将255/iBin改成1/iBin就行了。我输出出来的PD是这样的：[0.00862069 0.92887931 0.92887931 0.92780172 0.92887931 0.93103448 0.92887931 0.92456897 0.92564655 0.92025862 0. ]。表示每个阈值下的PD，这个就是正常的。

[Joazs]

而为什么第一个数是对的，我是这样猜测的：因为第一个数表示的是网络输出的像素点的灰度值>0时，就视为是目标。而Sigmoid(0)=0.5，所以PD的第一个数的物理含义是阈值为0.5下的PD。这仅仅是我的猜测哈。

[changexzt]

您好，请问在做传统方法的对比实验时，您使用的阈值分割方法是什么呢？我自己尝试对传统方法（以tophat为例）进行测试集指标计算，分别用不同的阈值或者选择了一些阈值分割方法，但值与文中指标有差？所以想问您是使用了什么阈值分割方法或者还有其他因素也会影响传统方法得到不同的指标结果的吗？希望收到您的回复，万分感谢

[Joazs]

他论文有写的，我记得好像是 Tadaptive = Max[Max(G) × 0.7, 0.5 × σ(G) + avg(G)]。G就是预测结果。Tadaptive就是阈值。

[changexzt]

好的，谢谢您的回复

[SilyRab]

测出来好像虚警率比较高

[SilyRab]

他论文有写的，我记得好像是 Tadaptive = Max[Max(G) × 0.7, 0.5 × σ(G) + avg(G)]。G就是预测结果。Tadaptive就是阈值。

这个是针对传统方法的