J'ai vu des personnes utiliser IOU comme métrique pour les tâches detection et Dice Coeff pour les tâches segmentation. Les deux métriques sont très similaires en termes d'équation, sauf que les dés donnent deux fois plus de poids à la partie d'intersection. Si j'ai raison, alors

Dice: (2 x (A*B) / (A + B))
IOU : (A * B) / (A + B) 

Y a-t-il une raison particulière de privilégier les dés pour la segmentation et les IOU pour la détection ?

2
mlRocks 17 févr. 2020 à 21:49

2 réponses

Meilleure réponse

Ce n'est pas tout à fait exact.

Le coefficient Dice (également connu sous le nom de coefficient Sørensen-Dice et score F1) est défini comme deux fois l'aire de l'intersection de A et B, divisée par la somme des aires de A et B :

Dice = 2 |A∩B| / (|A|+|B|) = 2 TP / (2 TP + FP + FN)

(TP=Vrais Positifs, FP=Faux Positifs, FN=Faux Négatifs)

L'IOU (Intersection Over Union, également connu sous le nom d'indice Jaccard) est défini comme la surface de l'intersection divisée par la surface de l'union :

Jaccard = |A∩B| / |A∪B| = TP / (TP + FP + FN)

Notez que la somme des aires de A et B n'est pas la même que l'aire de l'union de A et B. En particulier, s'il y a 100% de chevauchement, alors l'un est le double de l'autre. C'est la raison des « deux fois » dans le coefficient de dés : ils sont tous deux définis de telle sorte que, avec un chevauchement de 100 %, les valeurs sont de 1, et avec un chevauchement de 0 %, les valeurs sont de 0.

Lequel utiliser dépend des préférences personnelles et des coutumes dans chaque domaine. Que vous en voyiez un plus utilisé dans un domaine est lié plus au hasard qu'à toute autre chose. Quelqu'un a commencé à utiliser le coefficient Dice pour la segmentation, et d'autres ont simplement suivi. Quelqu'un a commencé à utiliser IOU pour la détection, et d'autres ont simplement suivi.

2
Cris Luengo 18 févr. 2020 à 06:33

Dans les tâches de segmentation, Dice Coeff (Dice loss = 1-Dice coeff) est utilisé comme fonction de perte car il est différentiable alors que IoU ne l'est pas.

Les deux peuvent être utilisés comme métrique pour évaluer les performances de votre modèle, mais comme fonction de perte, seul le coefficient de dés/perte est utilisé

2
think-maths 10 févr. 2021 à 16:11