城市环境研究所在利用效能指标评价图像分割模型性能方面取得重要进展

文章预览

随着深度学习技术在图像分割任务中的广泛应用，如何准确评估模型性能成为了研究的重点和难点。传统的评估方法往往受限于类别分布的变化，导致评价结果出现偏差。对此，唐立娜研究员领衔的合作团队通过引入图像分类效能（Image Classification Efficacy, ICE）指标，提供了一种更为精细的评估框架，特别是在缺乏黄金标准的情况下。该研究系统应用ICE指标，旨在解决深度学习图像分割模型在面对分类类别不平衡时潜在的评估难题。 在这项研究中，团队应用多模态遥感数据（多光谱和LiDAR数据），从多个角度（单一或多个模型在同一或不同数据集上的测试，以及二分类和多分类方案）进行了六组图像分割实验，系统演示了ICE指标的应用。 通过与Precision、Recall、F-Score和Overall Accuracy等常用精度评价指标进行对比，ICE指标显示出稳定的可靠性。此外，研 ………………………………