seg_contingency — EMPROOF `score` op

• 데이터 종류: labels2d × labels2d → table

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

사용법

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

The contingency table of truth `a against candidate b` (sparse).

Returns `labels_a / labels_b (the distinct labels), rows / cols` (indices

into them) and `counts for every co-occurring pair, plus n` (pixels counted),

`row_sums (size of each truth object) and col_sums` (size of each candidate object).

`counts.sum() == n, row_sums.sum() == col_sums.sum() == n`.

Raises `ValueError`: non-integer, non-finite, boolean-free-but-string or masked input;

not 2-D / 3-D; empty; different shapes; every pixel ignored.

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)

• (아직 없음)

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_variation_of_information · seg_rand

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

seg_contingency — EMPROOF score op

사용법