lartpang/PySODMetrics

解決的問題

PySODMetrics 提供了一種標準化且高效的評估顯著物件檢測（SOD）與隱蔽物件檢測（COD）模型的方法。它以輕量級的 Python 實作取代複雜的 Matlab 評估工具箱，確保在不同研究論文中具有一致且可驗證的效能測量。

工作原理

基於 numpy 與 scipy 建構，該套件實作了廣泛的分割指標。支援基於樣本與整體的計算方式，讓研究人員能使用多種閾值策略（如最大值、平均值、自適應、二值化）來評估模型。實作已透過與既有的 Matlab 基準進行驗證，確保數學準確性。

適用對象

需要可靠指標來基準測試模型的電腦視覺研究人員與開發者，專注於顯著物件檢測、隱蔽物件檢測或一般影像分割任務。

主要特色

• 廣泛的指標支援：包含 MAE、S-measure、加權 F-measure、E-measure、多尺度 IoU，以及 Precision、Recall 和 Dice 等標準指標。
• 輕量級設計：執行速度快，程式碼結構簡單，易於擴充。
• 經過驗證的準確性：結果與廣泛使用的 CODToolbox Matlab 程式碼一致。
• 彈性計算方式：支援多種基於樣本與整體的變體，包含尺寸不變性（si-）變體。