seg_mean_surface_distance — SEGMENTATION `score` op

• 데이터 종류: labels2d × labels2d → table

• 호출: import fullseye as fs; fs.ledger.seg_mean_surface_distance(labels_pred, labels_true) -> 'Dict[str, float]'(구현을 직접 호출하려면 import segeval; segeval.seg_mean_surface_distance(labels_pred, labels_true) -> 'Dict[str, float]', 원장에서 가져오려면 opssegmentation.get("seg_mean_surface_distance"))

사용법

평균 대칭 표면 거리(ASSD): 양방향 경계 거리를 합쳐 평균한 값과 RMS(seg_mean_surface_distance).

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

境界は :func:_boundary の規約。どちらかの境界が空なら ValueError。

返り値: `assd、rms、mean_pred_to_true / mean_true_to_pred、n_pred_boundary / n_true_boundary`。

자세한 사용 가이드

• halcon_segmentation 패밀리 가이드

배경 지식 가이드(이 연산자 앞에 있는 물리·규약)

• segmentation_scoring_and_worlds — 分割の採点と真値つき合成世界 — どの物差しがどの壊れ方に盲目か

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)

• (아직 없음)

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

class_ndim_norm

같은 카테고리(`score`)

seg_confusion_table · seg_dice_jaccard · seg_boundary_f · seg_hausdorff · seg_under_over_segmentation · seg_object_counts_match · seg_score_card

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

seg_mean_surface_distance — SEGMENTATION score op

사용법