基于学习的图像分割评估框架

图像分割是自动图像分析中的一项基本任务。 但是,仍然没有适合于评估每种应用中的分割质量的普遍接受的有效性度量。 在本文中,我们提出了一个评估框架,该框架受益于多种独立的措施。 为此,选择了不同的细分评估方法来分别评估细分,并使用机器学习方法将结果有效地组合在一起。 我们在分割数据集中训练并实现了该框架,该数据集包含不同内容的图像以及由人类产生的分割基础事实。 此外,我们提供了对图像分割对的人工评估,以对这些措施的评估结果进行基准测试。 实验结果表明,与独立方法相比,该方法具有更好的性能。