顯著性目標檢測模型評價指標（三）——F-measure

顯著性目標檢測模型評價指標 之 F-measure原理與實現代碼

目錄

---

一、F-measure原理

上篇博客中，我們介紹了PR曲線，但是很多情況下，不管是查準率Precision還是查全率Recall均不能比較全面地對我們模型所提的顯著性圖片進行評估。因此，人們提出了F度量值(F-measure)：查全率和查準率在非負權重β$\beta$ 下的加權調和平均值(Weighted Harmonic Mean) [1]，計算公式如下：

β$\beta$ 的取值：由許多做顯著性目標檢測的工作[2],[3],[4]經驗所得，β2${\beta }^2$ 一般取值爲0.3，即增加了Precision的權重值，認爲查準率比查全率要重要些。因爲當模型將輸出圖全部標爲目標區域時，查全率Recall將等於100%，但是查準率Precision卻很低。

閾值選取：如上篇博客中所講，計算Precision和Recall值時，需要將輸出圖譜S先進行二值化，因爲計算F-measure值不需要繪製曲線，所以我們不需像PR曲線那樣從0到255來取閾值。我們對於不同的顯著性圖S自適應地來確定二值化閾值，自適應閾值定義爲顯著性圖譜S像素均值的二倍，計算公式如下：

其中W和H分別爲模型輸出的顯著性圖譜S的長和高，S(x,y)爲在點(x,y)處S的取值。

三、 Matlab代碼

function [Fmeasure]=F_measureHanle
%本程序的功能是對顯著性特徵提取的結果計算F-measure值。
%by [email protected]
clc
clear
imnames=dir(path_output);  
imnames2=dir(path_target);  
num=length(imnames);
belt2=0.3;
reca = zeros(num,1);
prec = zeros(num,1);
for i=1:num
    Target=imread(imnames2(i).name);%讀圖
    mark = Target(:,:,1);
    mark = mark/max(mark(:));%二值化Ground-truth
    Output=imread(imnames(i).name);
    thresh=2*mean(mean(mean(Output)));  %自適應閾值
    label=reshape(mark,1,256*256);
    score=reshape(Output(:,:,1),1,256*256); 
    sco_th0=(score)>thresh;
    sco_th=uint8(sco_th0);
    TP = length(find((label == 1) & (sco_th == 1)));
    FP = length(find((label == 0) & (sco_th == 1)));
    FN = length(find((label == 1) & (sco_th == 0)));
    reca(i,1) = TP/(TP+FN);
    prec(i,1) = TP/(TP+FP);
    i
end
P=mean(prec);
R=mean(reca);
Fmeasure=((1+belt2)*P*R)/(belt2*P+R)

著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。

參考文獻

[1]: A. Borji, M.-M. Cheng, H. Jiang, and J. Li. Salient object detection: A benchmark. IEEE TIP, 24(12):5706–5722, 2015.
[2]:R. Achanta, S. Hemami, F. Estrada, and S. Süsstrunk, “Frequencytuned salient region detection,” in Proc. IEEE Conf. CVPR, Jun. 2009, pp. 1597–1604.
[3]:M.-M. Cheng, N. J. Mitra, X. Huang, P. H. S. Torr, and S.-M. Hu, “Global contrast based salient region detection,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 37, no. 3, pp. 569–582, Mar. 2015.
[4]:F. Perazzi, P. Krahenbuhl, Y. Pritch, and A. Hornung, “Saliency filters: Contrast based filtering for salient region detection,” in Proc. IEEE Conf. CVPR, Jun. 2012, pp. 733–740.