Để đánh giá một phương pháp phân vùng đối tượng trên ảnh các độ đo thường được sử dụng là điểm số Dice (Dice score) [94] và chỉ số IoU (IoU
index) [7] còn gọi là chỉ số Jacard. Ngoài ra vì phân vùng đối tượng trên ảnh bản chất là phân loại các pixel trên ảnh nên chúng ta còn có các độ đo khác là độ chính xác mức pixel (accuracy), độ chính xác precision, độ bao phủ (recall). Các độ đo này được tính toán dựa trên các đại lượng như sau: Vùng đối tượng dự đoán (ký hiệu là P); Vùng đối tượng đúng thực sự (ký hiệu là G); Số điểm dương tính đúng (ký hiệu là TP- True Possitive) , tức là số pixel thuộc đối tượng được phân loại đúng; Số điểm âm tính đúng (ký hiệu là TN-True Nagative), tức là số pixel không thuộc đối tượng được phân loại đúng; Số điểm dương tính sai (ký hiệu FP- False Possitive), tức là số pixel đúng thuộc đối tượng bị phân loại nhầm thành không thuộc đối tượng; Số âm tính sai FN (False Nagative) là, tức là số pixel không thuộc đối tượng bị phân loại nhầm thành thuộc đối tượng. Điểm số Dice viết tắt là DSC (Dice score coefficient), là một giá trị thống kê được sử dụng để so sánh sự giống nhau của ảnh dự đoán (prediction image) và ảnh nhãn thực sự do con người gán nhãn (ground truth). Điểm số Dice được sử dụng rất phổ biến trong các nghiên cứu để đánh độ chính xác của các mô hình phân vùng đối tượng trên ảnh. Một cách đơn giản, điểm số Dice bằng 2 × số pixel trong vùng giao nhau giữa P (vùng dự đoán) và G (vùng nhãn đúng thực sự) chia cho tổng số pixel có trong P và G. Hình 1.10 là minh họa cho điểm số Dice. Điểm số Dice giữa tập các pixel dự đoán thuộc một đối tượng (ký hiệu là P) và tập các pixel đúng thực sự thuộc đối tượng đó (ký hiệu là G) được định nghĩa như sau:
𝐷𝑖𝑐𝑒 = 2∗|𝑃∩𝐺|
|𝑃|+|𝐺| (1.6)
Từ hình 1.10 có thể viết lại:
𝐷𝑖𝑐𝑒 = 2|𝑇𝑃|
2|𝑇𝑃|+|𝐹𝑃|+|𝐹𝑁| (1.7) Tương tự như điểm số Dice, chỉ số IoU (Intersection-Over-Union) [7] cũng là một trong những độ đo phổ biến nhất cho bài toán phân vùng đối tượng trên ảnh. IoU được tính bằng số pixel trong vùng giao nhau giữa vùng dự đoán P và vùng nhãn đúng thực sự G chia cho số pixel có thuộc vùng hợp của P và G. Hình 1.11 là minh họa cho hệ số IoU. Hệ số IoU giữa tập các pixel dự đoán thuộc một đối tượng (ký hiệu là P) và tập các pixel đúng thực sự thuộc đối tượng đó (ký hiệu là G) được định nghĩa như sau:
𝐼𝑜𝑈 = |𝑃∩𝐺|
|𝑃∪𝐺| (1.8)
𝐼𝑜𝑈 = |𝑇𝑃|
|𝑇𝑃|+|𝐹𝑃|+|𝐹𝑁| (1.9) Ngoài ra, do bài toán phân vùng đối tượng trên ảnh chính là bài toán phân loại mức pixel nên có thể đánh giá mô hình phân vùng bằng các độ đo cho bài toán phân loại là độ chính xác mức pixel, độ chính xác precision, độ bao phủ hay còn gọi độ nhạy (recall/sensitive).
Độ chính xác mức pixel (pixel accuracy) [70] là tỉ lệ số lượng pixel được phân lớp đúng trên tổng số pixel được phân lớp. Công thức tính độ chính xác mức pixel như sau :
𝐴𝑐𝑐 = 𝑇𝑃+𝑇𝑁
𝑇𝑃+𝑇𝑁+𝐹𝑃+𝐹𝑁 (1.10)
Độ chính xác precesion [70] là tỉ lệ số lượng pixel thuộc đối tượng được phân lớp đúng trên tổng số pixel được phân lớp thuộc đối tượng. Công thức tính độ chính xác mức pixel như sau :
𝑃𝑟𝑒𝑐 = 𝑇𝑃
𝑇𝑃+𝐹𝑃 (1.11) Độ bao phủ (recall) còn gọi là độ nhạy (sensitive) [70] là tỉ lệ số lượng pixel thuộc đối tượng được phân lớp đúng trên tổng số pixel thuộc đối tượng. Công thức tính độ chính xác mức pixel như sau :
𝑅𝑒𝑐/𝑆𝑒𝑛 = 𝑇𝑃