mmsegmentation增加dice显示

### 实现 Dice 系数计算与可视化 #### 1. **Dice 系数简介** Dice 系数是一种用于衡量两个样本相似性的指标，在医学图像分割领域应用广泛。其定义如下： \[ Dice = \frac{2|X \cap Y|}{|X| + |Y|} \] 其中 \( X \) 和 \( Y \) 分别表示预测结果和真实标注的集合。 在 mmsegmentation 中，可以通过自定义评估指标来实现 Dice 系数的计算并将其加入到训练日志中[^1]。 --- #### 2. **修改配置文件** 为了支持 Dice 系数的计算，需要调整 `config` 文件中的评价标准部分。具体来说，可以在 `evaluation` 字段中添加新的度量项。 以下是示例代码片段： ```python # 修改 config 文件中的 evaluation 部分 evaluation = dict( metric=['mIoU', 'mDice'], # 添加 mDice 度量 interval=1, ) ``` 通过设置 `metric=['mIoU', 'mDice']`，可以让模型在验证阶段同时报告交并比 (mIoU) 和平均 Dice 系数 (mDice)[^4]。 --- #### 3. **实现自定义 Dice 计算逻辑** 如果默认的 `mDice` 不满足需求，则可以编写自定义的 Dice 函数，并集成到 mmsegmentation 的管道中。 ##### 自定义 Dice 函数 以下是一个简单的 Python 实现： ```python import torch from torch.nn import functional as F def dice_coefficient(preds, targets, smooth=1e-7): """ 计算 Dice 系数。 参数: preds: 模型预测的结果 (Tensor)，形状为 [N, C, H, W] targets: 地面真值 (Tensor)，形状为 [N, C, H, W] smooth: 平滑因子，防止除零错误 返回: Tensor: 批次级别的 Dice 值 """ preds_flat = preds.contiguous().view(-1) targets_flat = targets.contiguous().view(-1) intersection = (preds_flat * targets_flat).sum() union = preds_flat.sum() + targets_flat.sum() dice = (2.0 * intersection + smooth) / (union + smooth) return dice ``` 此函数可以直接应用于 PyTorch 张量，适用于二分类或多分类场景下的逐通道计算。 --- #### 4. **将 Dice 结果写入日志** 为了让 Dice 系数值能够被记录下来，需进一步修改 `custom_hooks.py` 或者直接继承现有的钩子类（如 `EvalHook`）。例如： ```python class CustomEvalHook(EvalHook): def _do_evaluate(self, runner): results = super()._do_evaluate(runner) # 提取预测结果和目标值 preds = results['seg_pred'] gts = results['gt_seg_map'] # 转换为张量形式以便于计算 preds_tensor = torch.tensor(preds) gts_tensor = torch.tensor(gts) # 使用自定义 Dice 函数 dice_value = dice_coefficient(preds_tensor, gts_tensor) # 将 Dice 值打印至控制台或保存到日志 runner.logger.info(f"Dice Coefficient: {dice_value.item():.4f}") ``` 上述代码实现了在每次验证结束后自动调用 Dice 函数并将结果输出到日志的功能。 --- #### 5. **可视化 Dice 效果** 对于单张图片的分割效果展示，可利用 matplotlib 绘制预测掩码及其对应的 Dice 数值。参考以下代码： ```python from mmseg.apis import show_result_pyplot result = inference_model(model, img_bgr) # 推理获得分割结果 img_viz = show_result_pyplot(model, img_path, result, opacity=0.8, title='Segmentation Result') plt.figure(figsize=(14, 8)) plt.title(f"Dice Score: {dice_value:.4f}") # 显示 Dice 得分 plt.imshow(img_viz) plt.axis('off') plt.show() ``` 这段脚本不仅展示了分割效果图，还附加了当前图片的 Dice 分数作为标题的一部分。 --- #### 总结 以上方法涵盖了从配置更改、自定义 Dice 函数开发到最终的日志记录与可视化的全流程操作。这些改动可以帮助研究人员更全面地了解模型的表现特性。 ---