lartpang/PyIRSTDMetrics

解决的问题

PyIRSTDMetrics 提供了一种标准化且高效的方式来分析红外小目标检测（IRSTD）模型的性能。它解决了需要一致的评估指标来同时处理像素级准确性和目标级检测成功率的问题，特别针对在红外图像中检测极小目标所面临的挑战。

工作原理

该库基于 numpy、scikit-image 和 scipy 实现了一套评估指标。支持两种主要分析层级：

• 像素级分析：计算 IoU（交并比）、F1 分数、精确率、召回率、TPR 和 FPR 等标准指标。
• 目标级分析：使用多种匹配策略，专注于检测概率（Pd）和虚警率（Fa），包括一种自定义设计的 OPDCMatching，以实现更合理的目标匹配。
• 混合分析：引入了 hIoU 这一新指标，平衡像素级与目标级性能，并提供专门用于分析定位和分割误差的工具。

适用人群

本工具专为从事计算机视觉和红外目标检测的研究人员及开发者设计，尤其适用于实现和测试新型 IRSTD 算法的用户。

主要亮点

• 全面的指标支持：支持广泛的像素级、目标级和混合指标。
• 误差分析功能：包含用于分层 IoU 基础的定位与分割误差分析的专用工具。
• 轻量级设计：基于标准科学 Python 库构建，运行快速且易于集成。
• 可视化支持：提供可用于绘制 PR（精确率-召回率）和 ROC（受试者工作特征）曲线的数据序列。