为什么要使用骰子系数而不要使用IOU进行细分任务？

Question

[我见过人们在IOU任务中使用detection作为度量，在Dice Coeff任务中使用segmentation作为度量。就骰子而言，这两个度量看起来非常相似，只不过骰子给相交部分赋予了两倍的权重。如果我是正确的，那么

Dice: (2 x (A*B) / (A + B))
IOU : (A * B) / (A + B) 

是否有特定的原因更喜欢使用骰子进行细分，而使用IOU进行检测？

Answer 1

这不完全正确。

Dice系数（也称为Sørensen–Dice系数和F1分数定义为A和B的交集面积的两倍，再除以A和B的面积之和：]

Dice = 2 |A∩B| / (|A|+|B|) = 2 TP / (2 TP + FP + FN)

（（TP =真阳性，FP =假阳性，FN =假阴性）

[IOU（联合上的交集，也称为Jaccard索引）定义为交点的面积除以联合的面积：

Jaccard = |A∩B| / |A∪B| = TP / (TP + FP + FN)

请注意，A和B的面积之和与A和B的并集面积不同。特别是，如果有100％的重叠，则一个是另一个的两倍。这是Dice系数中“两次”的原因：它们都被定义为在100％重叠时值为1，在0％重叠时值为0。]

使用哪个取决于每个领域的个人喜好和习惯。您看到在一个领域中使用更多的事物与偶然性的关系比其他任何事物都重要。有人开始使用Dice系数进行细分，而其他人则紧随其后。有人开始使用IOU进行检测，而其他人则紧随其后。