SortedAP：重新思考实例分割的评估指标
计算机视觉与模式识别
2023-09-12 v1
摘要
设计用于评估实例分割的指标需围绕综合考量目标检测与分割精度。然而，其他重要性质，如敏感性、连续性与平等性，在当前研究中被忽视。本文中，我们揭示大多数现有指标对分割质量的分辨率有限。它们仅对掩码或错误预测的变化有条件敏感。对于某些指标，分数可在狭窄范围内剧烈变化，从而可能误导性地指示结果间的质量差距。因此，我们提出一种称为 sortedAP 的新指标，它随目标级与像素级缺陷严格递减，并在整个定义域上具有不间断的惩罚尺度。我们在 https://www.github.com/looooongChen/sortedAP 提供评估工具包与实验代码。
引用
@article{arxiv.2309.04887,
title = {SortedAP: Rethinking evaluation metrics for instance segmentation},
author = {Long Chen and Yuli Wu and Johannes Stegmaier and Dorit Merhof},
journal= {arXiv preprint arXiv:2309.04887},
year = {2023}
}