forked from huawei/mindspore2022
65 lines
2.6 KiB
ReStructuredText
65 lines
2.6 KiB
ReStructuredText
mindspore.nn.RootMeanSquareDistance
|
||
======================================
|
||
|
||
.. py:class:: mindspore.nn.RootMeanSquareDistance(symmetric=False, distance_metric='euclidean')
|
||
|
||
计算从 `y_pred` 到 `y` 的均方根表面距离。
|
||
|
||
给定两个集合A和B，S(A)表示A的表面像素，任意v到S(A)的最短距离定义为：
|
||
|
||
.. math::
|
||
{\text{dis}}\left (v, S(A)\right ) = \underset{s_{A} \in S(A)}{\text{min }}\rVert v - s_{A} \rVert
|
||
|
||
从集合B到集合A的均方根表面距离(Root Mean Square Surface Distance)为：
|
||
|
||
.. math::
|
||
RmsSurDis(B \rightarrow A) = \sqrt{\frac{\sum_{s_{B} \in S(B)}^{} {\text{dis}^2 \left ( s_{B}, S(A)
|
||
\right )} }{\left | S(B) \right |}}
|
||
|
||
其中 \|\|\*\|\| 表示距离度量。 \|\*\| 表示元素的数量。
|
||
|
||
从集合B到集合A以及从集合A到集合B的表面距离平均值为：
|
||
|
||
.. math::
|
||
RmsSurDis(A \leftrightarrow B) = \sqrt{\frac{\sum_{s_{A} \in S(A)}^{} {\text{dis} \left ( s_{A},
|
||
S(B) \right ) ^{2}} + \sum_{s_{B} \in S(B)}^{} {\text{dis} \left ( s_{B}, S(A) \right ) ^{2}}}{\left | S(A)
|
||
\right | + \left | S(B) \right |}}
|
||
|
||
**参数：**
|
||
|
||
- **distance_metric** (string) - 支持如下三种距离计算方法："euclidean"、"chessboard" 或 "taxicab"。默认值："euclidean"。
|
||
- **symmetric** (bool) - 是否计算 `y_pred` 和 `y` 之间的对称平均平面距离。如果为False，计算方式为 :math:`RmsSurDis(y_{pred} , y)`, 如果为True，计算方式为 :math:`RmsSurDis(y_{pred} \leftrightarrow y)`。默认值：False。
|
||
|
||
.. py:method:: clear()
|
||
|
||
内部评估结果清零。
|
||
|
||
.. py:method:: eval()
|
||
|
||
计算均方根表面距离。
|
||
|
||
**返回：**
|
||
|
||
numpy.float64，计算得到的均方根表面距离值。
|
||
|
||
**异常：**
|
||
|
||
- **RuntimeError** - 如果没有先调用update方法，则会报错。
|
||
|
||
|
||
|
||
.. py:method:: update(*inputs)
|
||
|
||
使用 `y_pred`、`y` 和 `label_idx` 更新内部评估结果。
|
||
|
||
**参数：**
|
||
|
||
- **inputs** - `y_pred`、`y` 和 `label_idx`。`y_pred` 和 `y` 为Tensor，list或numpy.ndarray，`y_pred` 是预测的二值图像。`y` 是实际的二值图像。`label_idx` 数据类型为int或float，表示像素点的类别值。
|
||
|
||
**异常：**
|
||
|
||
- **ValueError** - 输入的数量不等于3。
|
||
- **TypeError** - `label_idx` 的数据类型不是int或float。
|
||
- **ValueError** - `label_idx` 的值不在y_pred或y中。
|
||
- **ValueError** - `y_pred` 和 `y` 的shape不同。
|