fastai-图像分割的多类指标

Question

我目前正在探索如何将Dice指标应用于Fastai的多类细分问题。我检查了概念，发现Dice确实与F1Score相似。在此之后，我对fastai.metrics中的实现有两个疑问：

• dice()和fbeta(beta=1)输出有何不同？
• MultiLabelFbeta类是否可以用于多标签图像分割用例？
• 如果没有，是否存在可以帮助我的指标？

非常感谢，祝你有美好的一天！

Answer 1

1）Dice指标通常应等于FBeta（beta = 1）。根据框架的不同，实现方式可能会略有不同。但是，由于它们本质上非常相似，因此它们可以互换用作您的问题的指标。

2）如果您有多个重叠的蒙版，则可以使用MultiLabelFBeta。也就是说，如果您的细分标签不是互斥的。

例如，狗和猫具有相互排斥的像素（即，属于猫的像素将永远不会属于狗，反之亦然）。但是，如果您拥有“ T恤”和“人类”两类，那么很明显您重叠了：人们穿着T恤，因此属于T恤的像素很可能属于人类。 >

3）注意术语！ MultiLabel与MultiClass不同。如果是后者，则标签是互斥的；如果是前者，则不是（T恤+人类示例）。

如果您遇到多类别细分问题，则Dice / FBeta是相关指标。如果您遇到多标签细分问题，那么MultiLabelFbeta是一个很好的指标。