IoU & dice score

(23.01.25)

segmentation 에서 평가지표로 쓰이는 IoU와 dice score에 대하여 정리해보았다.

(23.02.17)

mIoU 내용 추가

---

IoU와 Dice score은 ground truth와 predicted area 두 영역이 얼마나 겹쳐있는지를 나타내는 지표이다. 

 

 

IoU (intersection over union)

ground truth를 A, predicted area를 B라고 했을 때, IoU는 위와 같다.

IoU의 값은 0~1 사이이고, IoU의 값이 클수록, 즉 1에 가까울수록 좋은 성능의 모델이라 판단할 수 있다.

 

 

 

MIoU (mean IoU)

segmentation에서는 각 class에 대한 IoU를 계산하고, 평균을 취한 MIoU를 사용한다.

 

 

 

Dice coefficient score

마찬가지로 ground truth를 A, predicted area를 B라고 했을 때, Dice score는 위와 같다.

TP, FP, FN 으로 정의해볼 수도 있는데, Dice score는 F1 score와 동일하다.

 

Dice score는 A와 B의 조화 평균인데, 조화평균은 아래와 같다.

Dice score는 0~1 사이의 값이고, 1에 가까울 수록 좋은 성능의 모델이라고 판단할 수 있다. 

 

 

 

IoU와 Dice score의 차이점

위의 그림을 보면, IoU는 ground truth를 크게 잡으면, 겹치는 영역이 적더라도 IoU값이 크게 나올 수 있다는 문제가 있음을 알 수 있다. 

 

또한, 아래의 IoU와 Dice의 식을 비교해보면, TP가 각각 2배가 된 것을 볼 수 있다. 겹치는 부분을 더 중요하게 본다고 생각해볼 수 있다.

이러한 이유로 작은 size의 병변을 segmentation해야하는 medical segmentation의 경우에는 evaluation metrics로 dice score를 사용한다.