多尺度IoU：一种用于评估具精细结构的显著目标检测的度量
计算机视觉与模式识别
2021-06-01 v1
摘要
通用目标检测算法常忽略被检测目标的精细结构。这可追溯到其提出区域被评估的方式。我们的目标是在这些算法的通用性与其粗糙检测之间重新协商权衡。在本工作中，我们提出一种新度量，它是流行评估度量即交并比（IoU）与一种称为分形维度的几何概念的融合。我们提出多尺度IoU（MIoU），其允许在多个分辨率层级上比较检测区域与真值区域。通过若干可复现的示例，我们表明MIoU确实对IoU和f1-score完全忽视的精细边界结构敏感。我们进一步通过将MIoU的分布与IoU在合成及真实世界目标数据集上的分布进行比较，考察MIoU的整体可靠性。我们期望本工作重新开启目标检测算法新评估方法的探索。
引用
@article{arxiv.2105.14572,
title = {Multiscale IoU: A Metric for Evaluation of Salient Object Detection with Fine Structures},
author = {Azim Ahmadzadeh and Dustin J. Kempton and Yang Chen and Rafal A. Angryk},
journal= {arXiv preprint arXiv:2105.14572},
year = {2021}
}
备注
5 pages, 3 figures, ICIP 2021