average IoU、 mean IoUの実装をしてみたが、合っているか判断ができません。

現在、セグメンテーションに関する学習を行っています。その中で、評価関数についてIoU(Intersection over Union)というものが出てきました。
そこで、以下の資料を参考に自分でIoUを実装してみようと考えました。
参考資料
 参考資料に載っていた資料

GT: (Ground Truth、正しい猫領域のピクセル)
PR: (Prediction、猫領域と推定したピクセル)
TP: (True Positive、正しく猫領域と推定されたピクセル)
IoU = TP / (GT+PR-TP)
これを複数枚について計算したものが average IoUとなり、さらにそのクラス平均値をとれば mIoU (mean IoU)となります。

とあったため、以下のようなコードを作成しました。

python3
1def mean_IoU(y_true, y_pred):
2    batch_size = y_true.shape[0]
3    mean_IoU = 0
4    for batch in range(batch_size):
5        index_true = np.argmax(y_true[batch], axis=2) # one_hotからクラス名に変換
6        index_pred = np.argmax(y_pred[batch], axis=2) # one_hotからクラス名に変換
7        labels = np.unique(index_true) # クラス名を取得
8        IoU = 0
9        for label in labels:
10            ground_true = np.sum(index_true==label) # 正しい「label」領域のピクセル
11            prediction = np.sum(index_pred==label)  # 「label」と推定したピクセル
12            TP = np.sum((index_pred==label) &(index_true==label)) # 正しく「label」領域と推定されたピクセル
13            IoU += TP / (ground_true + prediction - TP) # IoU算出
14        mean_IoU += IoU / len(labels)
15    average_IoU = mean_IoU / batch_size
16    return average_IoU
17
18
19def my_mean_iou(y_true, y_pred):
20    return tf.py_function(mean_IoU, [y_true, y_pred], tf.float64)

しかし、実際にIoUを実装したという別のコードを答え合わせとして使用し流してみたところ出力が異なっていました。
参考にしたコードと参考資料を以下に示します。
答え合わせ先資料

def true_positive(y_true, y_pred):
    #print(K.equal(y_true * y_pred, 1))
    #print(K.cast(K.equal(y_true * y_pred, 1), K.floatx()))
    #print(K.sum(K.cast(K.equal(y_true * y_pred, 1), K.floatx())))
    return K.sum(K.cast(K.equal(y_true * y_pred, 1), K.floatx()))

def true_negative(y_true, y_pred):
    return K.sum(K.cast(K.equal(y_true + y_pred, 0), K.floatx()))

def false_positive(y_true, y_pred):
    return K.sum(K.cast(K.less(y_true, y_pred), K.floatx()))

def false_negative(y_true, y_pred):
    return K.sum(K.cast(K.greater(y_true, y_pred), K.floatx()))

def iou(y_true, y_pred):
    y_pred = K.round(y_pred)
    TP = true_positive(y_true, y_pred)
    FN = false_negative(y_true, y_pred)
    FP = false_positive(y_true, y_pred)
    TN = true_negative(y_true, y_pred)
    return TP / (TP+FN+FP)

おそらくそもそもの考え方が違うと思うのですが、どこに誤りがあるのかわからない状態です。原因について教えていただけると助かります。よろしくお願いします。

toast-uz

2021/02/20 07:13 編集

どういう入力値（y_true, y_pred）で、結果が質問者様のコードと参考にしたコードでどう違っていたか、ということを教えていただけますか？そもそも、質問者様のコードは多クラス分類でのOnehot表現の複数枚の画像を前提としているのに対して、参考にしたコードは2値分類の1枚の画像を前提としているように思われます。なので、比較そのものが意味が無いのではと思いました。

Tera0724

2021/03/01 07:50

toast-uz様のいっしゃる通り、one-hotにおけるバッチごとの他クラス分類用のmean IoUの関数を作成を目標にしていました。また、学習の腕試しとして数式ベースでコードの作成をしてみたものの、正しくコーディングできているのか不安だったため質問した次第です。丁寧な回答、ありがとうございました。

toast-uz

2021/03/01 09:13 編集

そういう意味ですと「パッと見、間違いは無さそう」です。コードが見本と違うのは条件が違うから当たり前なので、結果数値がどうで、何を元に間違っているようだと質問者様が結論付けたのか、を教えて欲しいです。