seg_variation_of_information — EMPROOF `score` op

• 데이터 종류: labels2d × labels2d → table

• 호출: import fullseye as fs; fs.ledger.seg_variation_of_information(a, b, ignore_label=None)(구현을 직접 호출하려면 import segcompare; segcompare.seg_variation_of_information(a, b, ignore_label=None), 원장에서 가져오려면 opsemproof.get("seg_variation_of_information"))

사용법

> 이 연산자의 설명은 아직 번역이 없습니다. 원문을 그대로 싣습니다.

Variation of information between truth `a and candidate b`, in bits.

Returns `voi = split + merge, with split = H(b|a)` (how much the candidate

cuts true objects apart) and `merge = H(a|b)` (how much it glues different true objects

together), plus the entropies `h_a, h_b and the mutual information mi`.

Raises `ValueError: as :func:seg_contingency`.

자세한 사용 가이드

• emproof 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_em_split_merge_score — py -3.11 examples/poc_em_split_merge_score.py

• poc_em_wiring_errors — py -3.11 examples/poc_em_wiring_errors.py

• poc_skeleton_run_length_vs_voi — py -3.11 examples/poc_skeleton_run_length_vs_voi.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

seg_synapse_partners · seg_wiring_variation · seg_synapse_nri · seg_wiring_exposure

같은 카테고리(`score`)

seg_contingency · seg_rand

*Provenance: segcompare.py — EMPROOF 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

seg_variation_of_information — EMPROOF score op

사용법