指标计算问题

[yzw-xax]

您好，感谢您提供这个很棒的库。
但在使用对指标计算中的一些细节有些疑惑，比如fm这个指标，他有max,avg,adp,bin这几种。其中max,avg是对0-255个阈值计算，adp是采用公式得出阈值，那么这个bin二值图的方式是如何进行计算的呢。
另外一个问题是Sample-based ， Whole-based这两个列具体是什么意思。

另外，我在做二分类医学图像分割的相关研究，在将概率图转换为二值图进行对比效果时，应选取什么样的阈值，作者有什么建议吗

[lartpang]

@yzw-xax

指标计算

几种指标的计算综合可以参考这部分代码：

PySODMetrics/py_sod_metrics/fmeasurev2.py

Lines 346 to 369 in 0099440

	for handler_name, handler in self._metric_handlers.items():
	if handler.dynamic_results is not None:
	if dynamical_tpfptnfn is None:
	dynamical_tpfptnfn = self.dynamically_binarizing(
	pred=pred, gt=gt, FG=FG, BG=BG
	)
	handler.dynamic_results.append(handler(**dynamical_tpfptnfn))
	if handler.adaptive_results is not None:
	if adaptive_tpfptnfn is None:
	adaptive_tpfptnfn = self.adaptively_binarizing(pred=pred, gt=gt, FG=FG, BG=BG)
	handler.adaptive_results.append(handler(**adaptive_tpfptnfn))
	if handler.binary_results is not None:
	if binary_tpfptnfn is None:
	# `pred > 0.5`: Simulating the effect of the `argmax` function.
	binary_tpfptnfn = self.get_statistics(binary=pred > 0.5, gt=gt, FG=FG, BG=BG)
	if handler.sample_based:
	handler.binary_results.append(handler(**binary_tpfptnfn))
	else:
	handler.binary_results["tp"] += binary_tpfptnfn["tp"]
	handler.binary_results["fp"] += binary_tpfptnfn["fp"]
	handler.binary_results["tn"] += binary_tpfptnfn["tn"]
	handler.binary_results["fn"] += binary_tpfptnfn["fn"]

所以对于bin的计算中，需要先对归一化后的样本使用0.5阈值进行二值化，之后再统计tp、fp、tn、fn。

sample_based

sample-based和whole-based从这里的注释中应该可以理解，差异就是先是完整计算每个样本的指标在计算均值，还是整体统计完内部的统计量之后再统一计算指标（只有bin的设定下会存在这种情况）。

PySODMetrics/py_sod_metrics/fmeasurev2.py

Lines 23 to 24 in 0099440

	sample_based (bool, optional): Whether to average the metric of each sample or calculate
	the metric of the dataset. Defaults to True.

阈值的选择

这本身是一个独立的后处理增强的技巧，所以在显著/伪装目标检测这类任务并不预先二值化。这样可以通过基于灰度值的指标来更全面的反映出预测结果。
在一些二值分割的任务中，可能会在验证集通过利用阈值和对应指标的曲线，通过选择平均性能最好的阈值来进行最终的二值化。