此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • DiceCoefficient
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

dice_coefficient

最后更新
Python API: luxonis_train.attached_modules.metrics.dice_coefficient分割掩码上的 Dice 系数。

类

DiceCoefficient

用于分割掩码的 Dice 系数指标。
  • 输入::
    • predictions (Tensor): [B, nclasses, H, W] logits
    • target (Tensor): [B, nclasses, H, W] one-hot 掩码
  • 输出::
    • Tensor: 标量,或当 average 为 "none" 或 None 时为 [nclasses]。不包含背景类时,形状为 [nclasses − 1]。只有一个元素的结果是标量。
  • 公式:: 每个预测像素获得具有最高 logit 的类别。对于图像 i 和类别 c,Pi, c 是预测像素集,Ti, c 是目标像素集。每个类别的分数是: Di, c = (2|Pi, c∩Ti, c|)/(|Pi, c| + |Ti, c|) average 结合了每个图像的类别。"micro" 在除法之前对所有类别的分子和分母求和。结果是所有图像的平均值。分母为零的分数是 NaN,平均值会跳过它。

方法

init
Python
1def __init__(num_classes: int, include_background: bool = True, average: Literal['micro', 'macro', 'weighted', 'none'] | None = 'micro', input_format: Literal['one-hot', 'index'] = 'index', **kwargs):
初始化指标和封装的 DiceScore。参数
  • num_classes (int): 类别数量,输入中类别维度的大小。
  • include_background (bool): 类别 0 是否计入。当为 False 时,指标在评分前会丢弃类别 0。
  • average (Literal['micro', 'macro', 'weighted', 'none'] | None): 指标如何组合图像的类别:
    • "micro": 来自所有类别总计数的单个分数。
    • "macro": 每个类别分数的平均值。
    • "weighted": 每个类别分数,按每个类别的目标像素份额加权。
    • "none" 或 None: 每个类别的单个分数。
  • input_format (Literal['one-hot', 'index']): update 如何转换输入,请参阅 convert_format。两种格式仅在目标像素没有类别或有多个类别时给出不同的结果。
  • **kwargs: 转发给 BaseMetric 的关键字参数,例如 node。
compute
Python
1def compute(self) -> Tensor:
返回自上次重置以来图像的 Dice 分数。返回
  • Tensor: 图像的平均分数,作为标量。对于 average 设置为 "none" 或 None,每个类别的平均分数,形状为 [C],或不包含背景类别时为 [C - 1]。只有一个元素的结果是标量。
convert_format
Python
1def convert_format(tensor: Tensor, is_target: bool = False) -> Tensor:
将类别分数转换为 input_format 的格式。
  • "index": 返回维度 1 上的 argmax。该方法也对目标执行此操作,因此没有类别的目标像素变为类别 0。
  • "one-hot",is_target 设置为 False: 返回输入形状和数据类型的 one-hot 张量。它在每个像素的 argmax 类别处保持 1。
  • "one-hot",is_target 设置为 True: 返回未更改的 tensor。
参数
  • tensor (Tensor): 形状为 [B, C, H, W] 的 Logits 或掩码。
  • is_target (bool): tensor 是否为目标。
返回
  • Tensor: 对于 "index",形状为 [B, H, W] 的类别索引,否则为形状为 [B, C, H, W] 的张量。
reset
Python
1def reset(self):
重置封装的 DiceScore 的状态。该方法不会为此指标调用 torchmetrics 的 reset。上次 compute 的缓存结果仍然存在,并且 compute 会返回它,直到下一次 update。
update
Python
1def update(predictions: Tensor, target: Tensor):
转换一个批次并将其添加到封装的 DiceScore。对于 "index",convert_format 将两个张量转换为类别索引。对于 "one-hot",它将预测转换为 one-hot 掩码,并且该方法将两个张量转换为 bool。封装的指标存储每个图像和类别的分子、分母和目标像素数量。参数
  • predictions (Tensor): 形状为 [B, C, H, W] 的 Logits,节点的输出。
  • target (Tensor): 形状为 [B, C, H, W] 的 One-hot 掩码,任务的 segmentation 标签。

属性

metric
supported_tasks