[发明专利]一种面向语义分割模型评价指标的计算方法及装置

说明书

本发明涉及一种面向语义分割模型评价指标的计算方法及装置，其方法包括：获取一幅或多幅目标图像及其分割信息，并将所述目标图像输入到待评价语义分割模型中，得到每幅已分割图像的掩码图，并将其转换为数组；根据所述数组和对应的目标图像的分割信息，计算每幅掩码图的混淆矩阵，并根据所述混淆矩阵计算所述掩码图的类别像素精度；将每幅掩码图中的不同分割目标的轮廓点填充不同的灰度值，并统计每个分割目标的像素坐标集合；根据每个分割目标的像素坐标集合，与其对应目标图像的分割目标的像素坐标集合，计算所述掩码图的平均交并比。本发明通过逐像素的多个评价指标的自动化计算，提高了模型评价的效率、准确率、全面性和计算效率。

技术领域

本发明属于视觉识别与高精度地图技术领域，具体涉及一种面向语义分割模型评价指标的计算方法及装置。

背景技术

在高精度地图制作领域，语义分割模型是极其重要的技术之一，而想要其达到可观的应用效果，需要一种对其客观以及科学的评价的方法及系统。目前，针对分割模型评价方法及指标是比较欠缺的且不是自动化的方法，即根据像素精度和IOU的变种，这种方法在高精度地图领域所使用的分割应用模型是有所欠缺的，因为其精度达不到要求，而且，仅能提供一种片面且需要占用巨大GPU内存来得出的结果。

发明内容

为实现语义分割模型评价指标的自动化计算和高精度，在本发明的第一方面提供了一种面向语义分割模型评价指标的计算方法，包括：获取一幅或多幅目标图像及其分割信息，并将所述目标图像输入到待评价语义分割模型中，得到每幅已分割图像的掩码图，并将其转换为数组；所述掩码图包括目标图像的每个像素的类别预测值，所述分割信息包括分割类别数以及每个像素对应类别的真值；根据所述数组和对应的目标图像的分割信息，计算每幅掩码图的混淆矩阵，并根据所述混淆矩阵计算所述掩码图的类别像素精度；将每幅掩码图中的不同分割目标的轮廓点填充不同的灰度值，并统计每个分割目标的像素坐标集合；根据每个分割目标的像素坐标集合，与其对应目标图像的分割目标的像素坐标集合，计算所述掩码图的平均交并比。

在本发明的一些实施例中，所述根据所述数组和对应的目标图像的分割信息，计算每幅掩码图的混淆矩阵，并根据所述混淆矩阵计算所述掩码图的类别像素精度包括：根据每个像素对应类别的真值与掩码图中的预测值，计算每个类别预测准确率的混淆矩阵；根据所述混淆矩阵统计掩码图中标记正确的像素占总像素的比例，并计算像素准确率。

进一步的，还包括：根据所述混淆矩阵统计掩码图中标记正确的像素占每个类别的总像素的比例，并计算类别像素准确率。

在本发明的一些实施例中，根据每个分割目标的像素坐标集合，与其对应目标图像的分割目标的像素坐标集合，计算所述掩码图的平均交并比包括：计算每个分割目标的像素坐标集合，与其对应目标图像的分割目标的像素坐标集合的交并比；根据多个分割目标对应的交并比，计算所述掩码图的平均交并比。

进一步的，还包括：设置每个分割目标的权重，并根据所述权重计算所述掩码图的权频交并比。

在上述的实施例中，所述分割信息还包括：已标注完成的掩码图。

本发明的第二方面，提供了一种面向语义分割模型评价指标的计算装置，包括：获取模块，用于获取一幅或多幅目标图像及其分割信息，并将所述目标图像输入到待评价语义分割模型中，得到每幅已分割图像的掩码图，并将其转换为数组；所述掩码图包括目标图像的每个像素的类别预测值，所述分割信息包括分割类别数以及每个像素对应类别的真值；第一计算模块，根据所述数组和对应的目标图像的分割信息，计算每幅掩码图的混淆矩阵，并根据所述混淆矩阵计算所述掩码图的类别像素精度；第二计算模块，用于将每幅掩码图中的不同分割目标的轮廓点填充不同的灰度值，并统计每个分割目标的像素坐标集合；根据每个分割目标的像素坐标集合，与其对应目标图像的分割目标的像素坐标集合，计算所述掩码图的平均交并比。