Keras 准確度指標與 CNN 車道檢測的自定義指標相比如何？

Question

我已經閱讀了有關 Keras 中使用的“准確性”指標的問題的多個答案，但我並不完全有信心我理解這在車道檢測方面意味着什么。 Keras 指標是否將預測中檢測到的像素與地面實況中的像素進行比較並除以像素總數？ 或者是否有必要創建一個自定義指標來執行此操作？

Answer 1

來自keras 的 github ：

 Calculates how often predictions matches labels. For example, if `y_true` is [1, 2, 3, 4] and `y_pred` is [0, 2, 3, 4] then the accuracy is 3/4 or .75. If the weights were specified as [1, 1, 0, 0] then the accuracy would be 1/2 or .5.

所以這完全取決於你如何描述目標向量，即從輸出層獲得的值。 假設您有一個 255x255 的圖像，其中以矩陣形式，1 表示一條線，0 表示無線。 將其向量化為長度為 255*255 = 65025 的向量將產生一個二元向量。 然后，對於每個准確度測量，keras 將模型的預測（放置線的位置）與原始（測試）數據進行比較，並計算准確度。

請注意，對於如此大的數據，有許多變換來減小模型的大小，許多有趣的論文描述了各種方法。