Fatal编程技术网
  • deep-learning/
  • Deep learning tf.keras.metrics.MeanIoU给出的结果与等式不同

Deep learning tf.keras.metrics.MeanIoU给出的结果与等式不同

deep-learning

Deep learning tf.keras.metrics.MeanIoU给出的结果与等式不同,deep-learning,keras-metrics,Deep Learning,Keras Metrics,我在我的模型中使用了tf.keras.metrics.MeanIoU（我只有两个类），但它给出的结果与我应用等式IOU=true\u-positive/（true\u-positive+false\u-positive+false\u-negative）时不同。（我通过使用tf.keras.metrics.TruePositives（），tf.keras.FalsePositives（），tf.keras.metrics.FalsePositives（），tf.keras.metrics.Fal

我在我的模型中使用了
tf.keras.metrics.MeanIoU
（我只有两个类），但它给出的结果与我应用等式
IOU=true\u-positive/（true\u-positive+false\u-positive+false\u-negative）时不同。
（我通过使用
tf.keras.metrics.TruePositives（）
，
tf.keras.FalsePositives（），
tf.keras.metrics.FalsePositives（）
，
tf.keras.metrics.FalseNegatives（），
tf.keras.metrics.FalseNegatives（）
，
tf.keras.metrics.TrueNegatives（）。
我使用模型的所有指标。compile（）

以下是
模型的结果。评估（X\u有效，y\u有效，verbose=1）
：

如果我应用上面提到的等式，
IoU
应该是0.427

我对F1分数也有类似的问题，所以我决定通过调用一个自定义函数来计算它，该函数使用
tf.keras.metrics.Precision（）
和
tf.keras.metrics.Recall（）

这里有什么问题

后续问题：样本重量在
tf.keras.metrics.MeanIoU
中如何工作？我如何理解以下示例：


True: [0, 0, 1, 1]
Pred: [0, 1, 0, 1]


-->TP=1，FP=1，FN=1-->IoU=1/（1+1+1）=0.3334；样本权重=0.3,0.3,0.1]IoU=（1x0.1）/（1x0.1+1x0.3+1x0.3）=0.143

有人能澄清一下吗

谢谢




True: [0, 0, 1, 1]
Pred: [0, 1, 0, 1]