边缘检测评估方法：FOM、RMSE、PSNR和SSIM对比实验和理论研究

文章预览

来源 ：DeepHub IMBA 本文 约5500字 ，建议阅读 11分钟 本文将研究这种关系来评估海岸图像分割模型。 图像分割与边缘检测是密切相关的计算机视觉任务。以下图1展示了一个海岸线分割模型的输出示例： 图1: 分割掩码到边缘图的转换过程(数据集:LICS) 模型将每个像素分类为陆地或海洋(分割掩码)。随后,海岸线被定义为分类发生变化的像素位置(边缘图)。边缘检测可以通过提取图像分割模型输出的边界来实现。 本文将研究这种关系来评估海岸图像分割模型。现有研究普遍采用基于混淆矩阵的指标,如准确率、精确率和召回率,这些指标将预测分割掩码中的所有像素与真实掩码进行比较。 但是这种方法可能会高估最关键区域——海岸线。 因为大多数像素位于海洋中心或被陆地完全包围,这使得它们比靠近海岸线的像素更容易分类。图2清晰地展示了这一点。 ………………………………