如何计算骰子系数以测量蟒蛇图像分割的准确性

Question

我有土地覆盖的图像，我使用K-means聚类对其进行分割。现在我想计算我的分割算法的准确性。我在某处读到，骰子系数是实质性的评估指标。但我不知道如何计算它。我使用Python 2.7还有其他有效的评估方法吗？请提供摘要或链接到源。谢谢！

编辑：我使用以下代码测量原始和分割图像的骰子相似度，但似乎需要几个小时来计算：

for i in xrange(0,7672320):
  for j in xrange(0,3):
    dice = np.sum([seg==gt])*2.0/(np.sum(seg)+np.sum(gt)) #seg is the segmented image and gt is the original image. Both are of same size

Answer 1

请参阅wiki的骰子相似系数

这里有一个示例代码段供您参考。请注意，由于您使用的是k-means，因此需要将k替换为所需的群集。

import numpy as np

k=1

# segmentation
seg = np.zeros((100,100), dtype='int')
seg[30:70, 30:70] = k

# ground truth
gt = np.zeros((100,100), dtype='int')
gt[30:70, 40:80] = k

dice = np.sum(seg[gt==k])*2.0 / (np.sum(seg) + np.sum(gt))

print 'Dice similarity score is {}'.format(dice)

Answer 2

如果您使用的内容超过2个类（也就是1和0的掩码），这是一个重要的说明。

如果您使用多个类，请确保指定预测和基础事实也等于您想要的值。否则，您最终可能会获得大于1的DSC值。

这是每个==k声明末尾的额外[]：

import numpy as np

k=1

# segmentation
seg = np.zeros((100,100), dtype='int')
seg[30:70, 30:70] = k

# ground truth
gt = np.zeros((100,100), dtype='int')
gt[30:70, 40:80] = k

dice = np.sum(seg[gt==k]==k)*2.0 / (np.sum(seg[seg==k]==k) + np.sum(gt[gt==k]==k))

print 'Dice similarity score is {}'.format(dice)