Python Keras精度指标与CNN车道检测的自定义指标相比如何？

我已经阅读了有关Keras中使用的“准确性”指标的多个问题的答案，但我不完全相信我理解这在车道检测方面意味着什么。Keras度量是否将预测中检测到的像素与地面真实值中的像素进行比较，并除以像素总数？或者有必要创建一个自定义度量来实现这一点吗？

来自：

所以这完全取决于你如何描述目标向量，即从输出层获得的值。假设您有一个255x255图像，其中，在矩阵形式中，1表示一行，0表示无行。将其矢量化为长度为255*255=65025的向量将生成二进制向量。然后，对于每个精度测量，keras将模型的预测（放线位置）与原始（测试）数据进行比较，并计算精度

---

请注意，对于如此大的数据，有许多变换来减小模型的大小，许多有趣的文章描述了各种方法。

关于像素值，如果比较预测和地面实况，如果它是像素值240，那么与地面实况中的255相比，或者它的强度必须匹配，那么它是匹配的吗？那么，如果你考虑这样的矢量（240, 255, 239，243）和真矢量[255, 255, 255，255 ]，那么精度将只有1/4。您始终可以对值进行四舍五入（0或255，阈值为128），然后该预测向量也将是[255、255、255、255]。

Calculates how often predictions matches labels.
For example, if `y_true` is [1, 2, 3, 4] and `y_pred` is [0, 2, 3, 4]
then the accuracy is 3/4 or .75.  If the weights were specified as
[1, 1, 0, 0] then the accuracy would be 1/2 or .5.