#显著性目标检测模型评价指标 之 F-measure原理与实现代码

上篇博客中，我们介绍了PR曲线，但是很多情况下，不管是查准率Precision还是查全率Recall均不能比较全面地对我们模型所提的显著性图片进行评估。因此，人们提出了F度量值(F-measure)：查全率和查准率在非负权重$ \beta $下的加权调和平均值(Weighted Harmonic Mean) [1]，计算公式如下：

**$ \beta 的 取 值 ： ∗ ∗ 由 许 多 做 显 著 性 目 标 检 测 的 工 作 [ 2 ] , [ 3 ] , [ 4 ] 经 验 所 得 ， 的取值：**由许多做显著性目标检测的工作[2],[3],[4]经验所得， 的取值：∗∗由许多做显著性目标检测的工作[2],[3],[4]经验所得， \beta ^2 $一般取值为0.3，即增加了Precision的权重值，认为查准率比查全率要重要些。因为当模型将输出图全部标为目标区域时，查全率Recall将等于100%，但是查准率Precision却很低。

阈值选取：如上篇博客中所讲，计算Precision和Recall值时，需要将输出图谱S先进行二值化，因为计算F-measure值不需要绘制曲线，所以我们不需像PR曲线那样从0到255来取阈值。我们对于不同的显著性图S自适应地来确定二值化阈值，自适应阈值定义为显著性图谱S像素均值的二倍，计算公式如下： 其中W和H分别为模型输出的显著性图谱S的长和高，S(x,y)为在点(x,y)处S的取值。

##三、 Matlab代码

##参考文献 [1]: A. Borji, M.-M. Cheng, H. Jiang, and J. Li. Salient object detection: A benchmark. IEEE TIP, 24(12):5706–5722, 2015. [2]:R. Achanta, S. Hemami, F. Estrada, and S. Süsstrunk, “Frequencytuned salient region detection,” in Proc. IEEE Conf. CVPR, Jun. 2009, pp. 1597–1604. [3]:M.-M. Cheng, N. J. Mitra, X. Huang, P. H. S. Torr, and S.-M. Hu, “Global contrast based salient region detection,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 37, no. 3, pp. 569–582, Mar. 2015. [4]:F. Perazzi, P. Krahenbuhl, Y. Pritch, and A. Hornung, “Saliency filters: Contrast based filtering for salient region detection,” in Proc. IEEE Conf. CVPR, Jun. 2012, pp. 733–740.