segmentationConfusionMatrix
描述
confusionMatrix= segmentationConfusionMatrix (lpr,LTruth)lpr和地面真理像素标签LTruth。
例子
计算混淆矩阵从标记图像
加载一个pretrained网络执行二进制分割三角形的背景。
负载(“triangleSegmentationNetwork”);
的triangleImages数据集与地面实况100个测试图像标签。定义数据集的位置。
dataSetDir = fullfile (toolboxdir (“愿景”),“visiondata”,“triangleImages”);
得到一个测试图像。
testImage = imread (fullfile (dataSetDir“testImages”,“image_001.jpg”));
获得相应的地面真值标签。标签图像存储为数字图像,所以地面实况标签转换为一个分类图像。
gtLabel = imread (fullfile (dataSetDir“testLabels”,“labeled_image_001.png”));一会= [“三角形”,“背景”];labelIDs = (255 0);gtLabel =分类(gtLabel labelIDs,类名);
显示地面实况测试图像标签。
imshow (labeloverlay (testImage, gtLabel))
执行语义图像分割。
predLabel = semanticseg (testImage,净);
的混淆矩阵预测标签和地面实况标签。混淆矩阵显示分割正确分类21像素三角形和939像素的背景。混淆矩阵也显示64背景像素分类错误分割三角形。没有三角形像素并被错误地归类为背景。
confusionMatrix = segmentationConfusionMatrix (predLabel gtLabel)
confusionMatrix =2×221日0 64 939
检查混淆矩阵的准确性,预测显示测试图像标签。覆盖同意混淆矩阵中的值。
imshow (labeloverlay (testImage, predLabel))
输入参数
输出参数
提示
你可以计算语义细分指标如Jaccard得分和分类混淆矩阵通过使用精度
evaluateSemanticSegmentation函数。您可以使用此函数在基于块图像处理工作流等
bigimage。例如,您可以执行语义分割并计算块的混淆矩阵相同的调用应用函数。
版本历史
介绍了R2020b
