May, 2024

自动海岸线检测的边缘检测评估指标的有效性

PDF
TL;DR我们分析了用于自动海岸线检测的边缘检测算法的有效性，通过评估 RMSE、PSNR、SSIM 和 FOM 等评估指标，发现 FOM 是选择最佳阈值的最可靠指标。相对于 RMSE、PSNR 和 SSIM，在这次实验中，FOM 在 92.6% 的时间内选择到更好的阈值，在 66.3% 的时间内选择到最佳阈值。而 RMSE、PSNR 和 SSIM 的选择率分别仅为 6.3%、6.3% 和 11.6%。通过重新解释 RMSE、PSNR 和 SSIM 的混淆矩阵度量，我们提出了对这些结果的解释，这表明这些评估指标不仅在这次实验中效果不好，而且在一般的边缘检测评估中也不实用。
edge detectionrmsepsnrssimfom
发现论文，激发创造
  • 利用边缘检测算法的自动海岸线提取

    通过对边缘检测算法进行分析，我们研究了从卫星图像中自动提取海岸线的有效性。通过视觉和度量的比较，我们发现 Canny 算法的平均结构相似性指数（SSIM）为 0.8，检测到的边缘与参考边缘最为接近。然而，该算法在区分嘈杂边缘（如建筑物等）和海岸线边缘方面存在困难。此外，直方图均衡化和高斯模糊可分别将边缘检测算法的有效性提高 1.5 倍和 1.6 倍。

    May, 2024

  • 边缘检测 ROC 分析

    该论文使用 BIPED 数据集，使用接收器操作特征（ROC）分析方法来评估边缘检测器，探讨了在 Matlab 中应用该技术的优缺点。作者通过定制技术提高了 Laplacian，Laplacian of Gaussian 和 Canny 等过滤器的性能，从而更准确地评估边缘检测器的综合表现。

    May, 2023

  • PSNR 评估在图像分割算法中的质量测量参数的正式评估

    本研究评估了 PSRN（峰值信噪比）作为图像分割算法质量指标，结果表明 PSRN 并非适当的算法质量度量。

    May, 2016

  • 显著性指标的合理性检验

    本研究探索了现有的用于评估显著图质量（即 “保真度”）的指标，并发现当前文献中这些指标的计算方式缺乏一致性，且可重复性差，说明用这些指标生成的显著图质量排名可能不可信。

    Nov, 2019

  • 基本矩阵估计中特征匹配算法评估

    评估最近算法在图像匹配及极线几何评估中的表现，并利用它们设计出更实用的注册系统，扩大计算机视觉任务的应用，通过四个大型数据集的实验，提出了三种高质量的匹配系统和粗 - 细 RANSAC 评估器，具有潜在的应用前景。

    Aug, 2019

  • 基于高斯对数比和 MRFFCM 的 SAR 图像变化识别

    本文提出了一种改进的基于 MRFFCM 的 SAR 图像变化检测方法，包括 DI 生成，SRAD 降噪和 MRFFCM 变化检测三个步骤，并使用 OE，PCC，KC，RMSE 和 PSNR 等评估指标与 FCM 和 MRFFCM 进行比较，结果表明提出的方法优于 FCM 和 MRFFCM 基于变化检测方法。

    Jun, 2015

  • 医学图像分割中故障检测方法的比较基准：揭示置信度聚合的作用

    本文介绍了一个用于评估医学图像分割中失败检测方法的综合基准框架，通过分析我们确定了当前失败检测度量的优点和局限性，并推崇风险覆盖分析作为一种整体评估方法，通过在包含五个公开的三维医学图像集合的综合数据集上评估各种失败检测策略的有效性，我们发现像素置信度聚合的重要性，并且观察到在医学图像分割中，集合预测之间的成对 Dice 分数（Roy 等人，2019）表现优秀，将其定位为简单而稳健的失败检测基准。为了促进持续的研究，我们将基准框架提供给社区使用。

    Jun, 2024

  • 深度学习分类器中的重要性估计器在计算机断层扫描中的评估

    本文研究了几种不同的特征重要性估计方法用于解释卷积深度神经网络对计算机断层扫描（Computed Tomography，CT）图像分类的性能，结论是不同的估计方法对不同准则的性能评估表现不同，同时，专家注释的分割图像与模型到达的预测结果之间存在差异，意识到了解释性差异可以帮助深度学习在医学领域的应用。

    Sep, 2022

  • 自动驾驶中 3D 物体检测的离线评估

    在本研究中，我们通过对 16 种物体检测模型在 CARLA 模拟器上的大量实验，首次实证评估了不同检测指标对驾驶性能的预测能力。我们发现 nuScenes 检测得分与驾驶性能的相关性高于广泛采用的平均精度指标，并呼吁谨慎依赖新兴的以规划为中心的指标类别。

    Aug, 2023

  • 关于像素级异常检测性能评估的研究

    在本研究中，我们通过可视证据和统计分析剖析了像素级异常检测中存在的正常样本和异常样本严重不平衡的复杂挑战，并深入探讨了需要考虑不平衡的评估指标的需求。通过对 21 个异常检测问题上使用 11 种领先的现代异常检测方法进行广泛实验评估，我们可以得出结论，基于 Precision-Recall 的指标可以更好地捕捉方法性能的相对关系，使其更适用于这一任务。

    Oct, 2023