lartpang/PyIRSTDMetrics

解決的問題

PyIRSTDMetrics 提供了一種標準化且高效的方式，用於分析紅外線小目標檢測（IRSTD）模型的性能。它解決了需要一致的評估指標來同時處理像素級準確性與目標級檢測成功率的問題，特別針對在紅外影像中檢測極小目標所面臨的挑戰。

工作原理

該庫基於 numpy、scikit-image 和 scipy 實現了一套評估指標。支援兩種主要分析層級：

• 像素級分析：計算 IoU（交並比）、F1 分數、精確率、召回率、TPR 和 FPR 等標準指標。
• 目標級分析：使用多種匹配策略，專注於檢測機率（Pd）與虛警率（Fa），包括一種自訂設計的 OPDCMatching，以實現更合理的目標匹配。
• 混合分析：引入了 hIoU 這一新指標，平衡像素級與目標級性能，並提供專門用於分析定位與分割誤差的工具。

適用對象

本工具專為從事電腦視覺與紅外目標檢測的研究人員及開發者設計，尤其適用於實現與測試新型 IRSTD 算法的使用者。

主要亮點

• 全面的指標支援：支援廣泛的像素級、目標級與混合指標。
• 誤差分析功能：包含用於分層 IoU 基礎的定位與分割誤差分析的專用工具。
• 輕量級設計：基於標準科學 Python 庫建構，運行快速且易於整合。
• 可視化支援：提供可用於繪製 PR（精確率-召回率）與 ROC（受試者工作特徵）曲線的資料序列。