python - 如何使用 PyTorch 获得语义分割中的 top k 准确率？

Question

如何计算语义分割中前 k 个准确率？在分类中，我们可以将 topk 准确率计算为:

correct = output.eq(gt.view(1, -1).expand_as(output))

Answer 1

您正在寻找 torch.topk 计算沿维度的前 k 个值的函数。
第二个输出torch.topk是“arg top k”:顶部值的 k 索引。

以下是如何在语义分割的上下文中使用它:
假设您有地面实况预测张量 y形状b -h -w (dtype= torch.int64 )。
您的模型预测每个像素类别 logits形状b -c -h -w ，与 c是类的数量(包括“背景”)。这些 logits 是 softmax 之前的“原始”预测。函数将它们转换为类概率。因为我们只看顶部k ，预测是“原始”还是“概率”并不重要。

# compute the top k predicted classes, per pixel:
_, tk = torch.topk(logits, k, dim=1)
# you now have k predictions per pixel, and you want that one of them will match the true labels y:
correct_pixels = torch.eq(y[:, None, ...], tk).any(dim=1)
# take the mean of correct_pixels to get the overall average top-k accuracy:
top_k_acc = correct_pixels.mean()  

请注意，此方法不考虑“忽略”像素。这可以通过对上面的代码稍作修改来完成:

valid = y != ignore_index
top_k_acc = correct_pixels[valid].mean()