简介这份资源面向从事计算机视觉与显着性对象检测研究的开发者与研究生提供一套基于 PyTorch 的 GPU 加速评估工具用于一键计算 MAE、Max F-measure、S-measure、E-measure 四项常用指标。其代码由 dpfan.net 的 MATLAB 版本重新实现借助 GPU 可更便捷地嵌入到模型训练或验证流程中适合需要频繁对比算法性能、追求评估效率的中高级使用者。压缩包共 9 个文件约 22KB包含 3 个 Python 源码文件、2 个编译缓存文件、2 张示例图片、1 个 gitignore 与 1 份 README 说明整体轻量便于快速集成。目录中可见 evaluator、dataloader 等核心模块以及 ECSSD、DSS 等数据集与预测结果示例方便读者直接参照运行。目前已有 993 人学习下载可作为显着性检测实验的标准化评估脚本帮助节省重复编码时间并统一指标口径。1. 从一份 MATLAB 评估脚本说起GPU 版 SOD 指标一键跑通做显著性目标检测SOD的人大概都有过这种体验模型训完了pred 图存了一堆真要报指标的时候翻出原作者那套 MATLAB 评估脚本对着main.m改路径、改数据集名、改保存目录跑一次等半天换一个数据集又得重来一遍。更别提 MATLAB 授权、版本兼容这些玄学问题实验室换台机器就可能翻车。这份Evaluate-SOD-master.zip干的事情很直接——把 dpfan.net 上那套 MATLAB 评估代码用 PyTorch 重新实现了一遍把 MAE、Max F-measure、S-measure、E-measure 四个 SOD 领域最常用的指标搬到 GPU 上做到一条命令跑完整个数据集。它适合两类人一类是刚复现完某个 SOD 模型、急着要一张指标对比表的同学另一类是手里已经有一堆 pred 结果、想批量评估多个数据集的从业者。核心诉求就一个——别再为评估这件事浪费时间。2. 四个指标到底在算什么先搞懂再跑不然数字错了都不知道在动手之前有必要把 MAE、Max F-measure、S-measure、E-measure 这四个指标的计算逻辑过一遍。不是为了写论文而是因为这份代码的参数设置会直接影响结果你得知道每个参数在动什么。2.1 MAE 与 Max F-measure最基础的两个但坑也最多MAEMean Absolute Error是最直观的指标把预测显著图归一化到 [0,1] 后和 GT 二值图逐像素求绝对差再取全图平均。公式简单但实现时有几个细节预测图必须先归一化GT 必须是 0/1 二值两者尺寸必须严格一致。这份代码在evaluator.py里对 pred 做了 min-max 归一化如果你的 pred 已经是 [0,1] 且最大值就是 1那归一化不会改变结果但如果你的 pred 是一张灰度 PNG像素值范围是 0-255代码会先除以 255 再归一化这一步如果搞错了MAE 会偏得离谱。Max F-measure 稍微绕一点。F-measure 是 precision 和 recall 的调和平均公式是F (1β²)·P·R / (β²·P R)SOD 领域通常取 β²0.3 来强调 precision。所谓 “Max” 是指对预测图取一系列阈值通常是 0 到 255 共 256 个每个阈值下二值化后算一次 F-measure取最大值作为该图的 Max F-measure。这意味着如果你的 pred 图动态范围很窄比如大部分像素都集中在 0.4-0.6阈值扫描可能覆盖不到有效区间Max F-measure 会偏低。常见做法是先把 pred 归一化到满量程 [0,1]再做阈值扫描。2.2 S-measure 与 E-measure结构相似度和增强对齐S-measureStructure Measure是 2017 年提出的核心思想是同时考虑区域相似度和对象结构相似度。它先用 GT 的均值把 pred 和 GT 都二值化算一个区域感知的 S_r再用 GT 的连通域中心算一个对象级的 S_o最后加权S α·S_o (1-α)·S_r论文里 α 取 0.5。这个指标对预测图的结构完整性比较敏感如果你的模型倾向于输出模糊的边缘S-measure 会比 MAE 更早暴露问题。E-measureEnhanced-alignment Measure是 2018 年的工作它同时捕捉像素级匹配和图像级统计。计算时先算一个增强对齐矩阵然后对这个矩阵做全局均值和局部均值取最大值作为最终结果。E-measure 的一个特点是它对预测图的整体偏移比较鲁棒但如果你的 pred 和 GT 在目标位置上差了几个像素E-measure 会明显下降。这份代码在evaluator.py里把四个指标封装成了Evaluator类初始化时传入 GT 路径和 pred 路径调用evaluate()就会返回一个包含四个指标的字典。GPU 加速主要体现在 S-measure 和 E-measure 的矩阵运算上因为这两个指标涉及大量的逐像素操作和卷积式的局部均值计算放到 GPU 上比 CPU 快一个数量级。2.3 为什么用 PyTorch 重写而不是继续用 MATLABMATLAB 版本的评估脚本有几个硬伤第一它依赖 MATLAB 的 Image Processing Toolbox没有授权就跑不了第二MATLAB 的循环效率低评估一个包含 1000 张图的数据集可能要几分钟第三MATLAB 脚本的路径管理很原始换数据集要手动改代码。PyTorch 版本把这些问题都解决了用torch.nn.functional里的avg_pool2d替代 MATLAB 的imfilter用torch.mean替代mean2整个评估流程可以在 GPU 上并行处理多张图。更重要的是PyTorch 版本可以直接嵌入到你的训练代码里每个 epoch 结束后自动评估一次验证集不用再单独跑脚本。3. 把 pred 和 GT 喂进去目录结构、dataloader 与一键评估的完整流程这一章是实操的核心。我会按“准备数据 → 理解 dataloader → 跑 main.py → 看输出”的顺序走一遍每一步都给出可复现的命令和参数说明。3.1 目录结构pred 和 GT 必须这样放从项目正文的文件列表可以看到压缩包解压后包含main.py、evaluator.py、dataloader.py以及pred和gt两个目录。pred目录下有一个DSS子目录说明作者已经放了一份 DSS 模型的预测结果作为示例。gt目录下应该有ECSSD子目录对应 ECSSD 数据集的 GT 图。正确的目录结构是这样的Evaluate-SOD-master/ ├── main.py ├── evaluator.py ├── dataloader.py ├── pred/ │ ├── DSS/ │ │ ├── 0001.png │ │ ├── 0002.png │ │ └── ... │ └── 你的模型名/ │ ├── 0001.png │ └── ... └── gt/ └── ECSSD/ ├── 0001.png ├── 0002.png └── ...关键点pred下的子目录名就是模型名gt下的子目录名就是数据集名。main.py会遍历pred下的每个模型目录再遍历gt下的每个数据集目录自动匹配文件名相同的图片进行评估。如果你的 pred 文件名和 GT 文件名不一致比如 pred 是0001.png而 GT 是0001.jpg代码会报 “file not found” 错误。常见做法是统一用 PNG 格式文件名保持完全一致。3.2 dataloader.py 在做什么别被文件名骗了dataloader.py这个名字容易让人以为是 PyTorch 的DataLoader但实际上它只是一个简单的图片读取工具。核心函数大概是这样的# dataloader.py 的核心逻辑根据项目结构推断 import os from PIL import Image import torch from torchvision import transforms def load_image(path, sizeNone): 读取图片并转为 tensor归一化到 [0,1] img Image.open(path).convert(L) # 灰度图 if size is not None: img img.resize(size, Image.BILINEAR) transform transforms.ToTensor() # 自动除以 255 return transform(img).unsqueeze(0) # 增加 batch 维度 def load_gt(path): 读取 GT 图二值化到 {0,1} img Image.open(path).convert(L) transform transforms.ToTensor() gt transform(img) gt (gt 0.5).float() # 二值化 return gt.unsqueeze(0)逻辑说明load_image把 pred 图转成灰度 tensortransforms.ToTensor()会自动把像素值从 [0,255] 映射到 [0,1]。load_gt多了一步二值化因为 GT 图虽然是二值的但保存成 PNG 后可能有压缩噪声用 0.5 作为阈值可以过滤掉。参数说明size参数用于 resize如果 pred 和 GT 尺寸不一致需要在这里统一。常见做法是保持原始尺寸因为 SOD 数据集的 pred 和 GT 通常已经对齐了。3.3 main.py 的一键评估命令行参数与 GPU 选择main.py是入口脚本典型用法是# 基本用法评估 pred/DSS 在 gt/ECSSD 上的四个指标 python main.py --pred_root ./pred --gt_root ./gt --dataset ECSSD --model DSS # 指定 GPU 设备默认用 cuda:0 python main.py --pred_root ./pred --gt_root ./gt --dataset ECSSD --model DSS --device cuda:1 # 评估所有模型在所有数据集上的结果 python main.py --pred_root ./pred --gt_root ./gt --all参数说明--pred_root和--gt_root是 pred 和 GT 的根目录--dataset指定数据集名对应gt下的子目录--model指定模型名对应pred下的子目录--device指定 GPU 设备如果你有多张卡可以用cuda:1避免和训练任务抢显存--all是一个便捷开关会遍历所有模型和数据集。代码内部会做这几件事先用dataloader读取 pred 和 GT然后实例化Evaluator调用evaluate()计算四个指标最后把结果打印到控制台并保存到一个 CSV 文件里。CSV 的格式大概是model,dataset,MAE,MaxF,Smeasure,Emeasure DSS,ECSSD,0.0521,0.9213,0.8765,0.9342如果你要对比多个模型直接把所有模型的 pred 目录放到pred下跑一次--all就能得到一张完整的对比表。3.4 evaluator.py 的 GPU 加速细节哪些操作真正跑在 GPU 上evaluator.py是核心四个指标的计算都在这里。GPU 加速主要体现在三个地方第一S-measure 的局部均值计算。原始 MATLAB 代码用imfilter做均值滤波PyTorch 版本用torch.nn.functional.avg_pool2d替代这个操作在 GPU 上比 CPU 快很多。代码大概是# S-measure 中的局部均值计算 import torch.nn.functional as F def local_mean(x, kernel_size7): 用 avg_pool2d 替代 MATLAB 的 imfilter padding kernel_size // 2 return F.avg_pool2d(x, kernel_size, stride1, paddingpadding)第二E-measure 的增强对齐矩阵计算。这个矩阵涉及逐像素的乘法和除法PyTorch 的广播机制可以让这些操作在 GPU 上并行执行。第三阈值扫描。Max F-measure 需要对 256 个阈值分别计算 precision 和 recallCPU 版本用循环GPU 版本可以用torch.stack把所有阈值下的结果拼成一个 tensor一次性算完。提示如果你的 GPU 显存小于 4GB评估大尺寸图片比如 400x400 以上时可能会 OOM。常见做法是先把图片 resize 到 256x256 再评估或者用--device cpu回退到 CPU 模式。4. 避坑与排查评估结果对不上、OOM、路径报错怎么处理这一章记录几个我实际踩过的坑每个都按“现象 → 原因 → 解决”写方便你对照排查。4.1 现象MAE 算出来是 0.3 以上明显偏高原因pred 图没有归一化或者归一化方式不对。这份代码假设 pred 是灰度 PNG像素值 0-255transforms.ToTensor()会自动除以 255。但如果你的 pred 是已经归一化过的浮点图比如用plt.imsave保存的像素值范围是 [0,1]再除以 255 就会变成 [0,0.004]MAE 自然偏大。解决检查 pred 图的像素值范围。用 Python 快速看一下from PIL import Image import numpy as np img np.array(Image.open(pred/DSS/0001.png)) print(img.min(), img.max(), img.dtype) # 如果输出是 0 255 uint8说明是正常灰度图 # 如果输出是 0.0 1.0 float说明已经归一化过了需要改 dataloader如果是浮点图把dataloader.py里的transforms.ToTensor()去掉直接torch.from_numpy(img).float()。4.2 现象Max F-measure 比论文里低 5 个点以上原因阈值扫描的范围不对。这份代码默认扫描 0 到 255 共 256 个阈值但如果你的 pred 图动态范围很窄比如最大像素值只有 128高阈值区间全是 0precision 和 recall 都算不出来Max F-measure 会偏低。解决先检查 pred 图的直方图。如果最大值远小于 255说明模型输出的显著图没有满量程。常见做法是在保存 pred 之前做一次 min-max 归一化把最大值拉到 255。如果不想改模型代码可以在evaluator.py里加一步归一化# 在计算 Max F-measure 之前对 pred 做 min-max 归一化 pred (pred - pred.min()) / (pred.max() - pred.min() 1e-8)4.3 现象报错 “CUDA out of memory”原因评估大尺寸图片时S-measure 和 E-measure 的中间矩阵占显存。一张 400x400 的图中间矩阵大概是 400x400x4 字节 640KB看起来不大但如果 batch 里有多张图或者 GPU 同时跑着训练任务显存就不够了。解决三个方案。第一用--device cpu回退到 CPU速度慢但不会 OOM。第二在dataloader.py里加 resize把图片统一缩到 256x256。第三用torch.cuda.empty_cache()在每张图评估完后清一次缓存。4.4 现象报错 “FileNotFoundError: pred/DSS/0001.png not found”原因pred 和 GT 的文件名不匹配。这份代码用文件名做匹配如果 pred 是0001.png而 GT 是0001.jpg或者 pred 是DSS_0001.png而 GT 是0001.png都会报这个错。解决写个脚本批量重命名把 pred 和 GT 的文件名统一。常见做法是用 GT 的文件名作为基准把 pred 的文件名改成一样的# 假设 GT 是 0001.png 格式pred 是 DSS_0001.png 格式 cd pred/DSS for f in DSS_*.png; do new_name${f#DSS_} mv $f $new_name done4.5 现象S-measure 和 E-measure 的结果和 MATLAB 版本差 0.01 左右原因浮点精度差异。MATLAB 默认用 double 精度PyTorch 默认用 float32。对于大多数指标这个差异可以忽略但 S-measure 和 E-measure 涉及多次除法和均值计算误差会累积。解决如果要求完全一致可以在 PyTorch 里用torch.float64。但常见做法是接受这个差异因为 0.01 以内的偏差在论文里通常不影响结论。如果审稿人要求严格一致在evaluator.py里把 tensor 转成double再算。5. 进阶用法把评估嵌进训练循环每个 epoch 自动跑一次这份代码最大的价值不是单独跑一次评估而是可以嵌进训练循环里。我一般会在训练脚本里加一个evaluate函数每个 epoch 结束后自动评估验证集把四个指标写到 TensorBoard 里。这样你可以在训练过程中实时看到模型在 MAE 和 S-measure 上的变化不用等训练完再跑评估。具体做法是在训练脚本里 importEvaluator把验证集的 pred 图保存到临时目录然后调用evaluate()。代码大概是# 在训练循环中嵌入评估 from evaluator import Evaluator import os def evaluate_epoch(model, val_loader, gt_root, device): 每个 epoch 结束后评估验证集 model.eval() pred_dir ./tmp_pred os.makedirs(pred_dir, exist_okTrue) with torch.no_grad(): for i, (img, gt, name) in enumerate(val_loader): img img.to(device) pred model(img) # 保存 pred 图到临时目录 pred_np (pred.squeeze().cpu().numpy() * 255).astype(uint8) Image.fromarray(pred_np).save(f{pred_dir}/{name[0]}.png) # 调用 Evaluator evaluator Evaluator(pred_rootpred_dir, gt_rootgt_root, devicedevice) metrics evaluator.evaluate() return metrics # {MAE: ..., MaxF: ..., Smeasure: ..., Emeasure: ...}逻辑说明这个函数先把验证集的 pred 图保存到临时目录然后复用Evaluator的计算逻辑。参数说明gt_root是验证集 GT 的根目录device是 GPU 设备。注意每次评估前要清空tmp_pred目录否则会混入上一个 epoch 的图。还有一个技巧如果你要对比多个模型可以把所有模型的 pred 图放到同一个pred目录下跑一次--all得到一张 CSV 表。然后直接用 pandas 读 CSV画柱状图对比。我一般会用这个表来选模型——MAE 最低的不一定是 S-measure 最高的四个指标要综合看。注意嵌进训练循环时评估频率不要太高。每个 epoch 都跑一次完整验证集可能很慢常见做法是每 5 个 epoch 评估一次或者只评估验证集的一个子集。从那以后我每次训完 SOD 模型都会先把 pred 图按pred/模型名/的格式整理好然后跑一遍python main.py --all确认四个指标都正常再写进论文。这个习惯帮我省了很多返工的时间——有一次 MAE 算出来是 0.02我差点以为模型突破了 SOTA结果发现是 pred 图没归一化虚惊一场。希望帮到你。本文还有配套的精品资源点击获取 GPU加速SOD评估：PyTorch一键计算MAE、F-measure、S-measure、E-measure
简介这份资源面向从事计算机视觉与显着性对象检测研究的开发者与研究生提供一套基于 PyTorch 的 GPU 加速评估工具用于一键计算 MAE、Max F-measure、S-measure、E-measure 四项常用指标。其代码由 dpfan.net 的 MATLAB 版本重新实现借助 GPU 可更便捷地嵌入到模型训练或验证流程中适合需要频繁对比算法性能、追求评估效率的中高级使用者。压缩包共 9 个文件约 22KB包含 3 个 Python 源码文件、2 个编译缓存文件、2 张示例图片、1 个 gitignore 与 1 份 README 说明整体轻量便于快速集成。目录中可见 evaluator、dataloader 等核心模块以及 ECSSD、DSS 等数据集与预测结果示例方便读者直接参照运行。目前已有 993 人学习下载可作为显着性检测实验的标准化评估脚本帮助节省重复编码时间并统一指标口径。1. 从一份 MATLAB 评估脚本说起GPU 版 SOD 指标一键跑通做显著性目标检测SOD的人大概都有过这种体验模型训完了pred 图存了一堆真要报指标的时候翻出原作者那套 MATLAB 评估脚本对着main.m改路径、改数据集名、改保存目录跑一次等半天换一个数据集又得重来一遍。更别提 MATLAB 授权、版本兼容这些玄学问题实验室换台机器就可能翻车。这份Evaluate-SOD-master.zip干的事情很直接——把 dpfan.net 上那套 MATLAB 评估代码用 PyTorch 重新实现了一遍把 MAE、Max F-measure、S-measure、E-measure 四个 SOD 领域最常用的指标搬到 GPU 上做到一条命令跑完整个数据集。它适合两类人一类是刚复现完某个 SOD 模型、急着要一张指标对比表的同学另一类是手里已经有一堆 pred 结果、想批量评估多个数据集的从业者。核心诉求就一个——别再为评估这件事浪费时间。2. 四个指标到底在算什么先搞懂再跑不然数字错了都不知道在动手之前有必要把 MAE、Max F-measure、S-measure、E-measure 这四个指标的计算逻辑过一遍。不是为了写论文而是因为这份代码的参数设置会直接影响结果你得知道每个参数在动什么。2.1 MAE 与 Max F-measure最基础的两个但坑也最多MAEMean Absolute Error是最直观的指标把预测显著图归一化到 [0,1] 后和 GT 二值图逐像素求绝对差再取全图平均。公式简单但实现时有几个细节预测图必须先归一化GT 必须是 0/1 二值两者尺寸必须严格一致。这份代码在evaluator.py里对 pred 做了 min-max 归一化如果你的 pred 已经是 [0,1] 且最大值就是 1那归一化不会改变结果但如果你的 pred 是一张灰度 PNG像素值范围是 0-255代码会先除以 255 再归一化这一步如果搞错了MAE 会偏得离谱。Max F-measure 稍微绕一点。F-measure 是 precision 和 recall 的调和平均公式是F (1β²)·P·R / (β²·P R)SOD 领域通常取 β²0.3 来强调 precision。所谓 “Max” 是指对预测图取一系列阈值通常是 0 到 255 共 256 个每个阈值下二值化后算一次 F-measure取最大值作为该图的 Max F-measure。这意味着如果你的 pred 图动态范围很窄比如大部分像素都集中在 0.4-0.6阈值扫描可能覆盖不到有效区间Max F-measure 会偏低。常见做法是先把 pred 归一化到满量程 [0,1]再做阈值扫描。2.2 S-measure 与 E-measure结构相似度和增强对齐S-measureStructure Measure是 2017 年提出的核心思想是同时考虑区域相似度和对象结构相似度。它先用 GT 的均值把 pred 和 GT 都二值化算一个区域感知的 S_r再用 GT 的连通域中心算一个对象级的 S_o最后加权S α·S_o (1-α)·S_r论文里 α 取 0.5。这个指标对预测图的结构完整性比较敏感如果你的模型倾向于输出模糊的边缘S-measure 会比 MAE 更早暴露问题。E-measureEnhanced-alignment Measure是 2018 年的工作它同时捕捉像素级匹配和图像级统计。计算时先算一个增强对齐矩阵然后对这个矩阵做全局均值和局部均值取最大值作为最终结果。E-measure 的一个特点是它对预测图的整体偏移比较鲁棒但如果你的 pred 和 GT 在目标位置上差了几个像素E-measure 会明显下降。这份代码在evaluator.py里把四个指标封装成了Evaluator类初始化时传入 GT 路径和 pred 路径调用evaluate()就会返回一个包含四个指标的字典。GPU 加速主要体现在 S-measure 和 E-measure 的矩阵运算上因为这两个指标涉及大量的逐像素操作和卷积式的局部均值计算放到 GPU 上比 CPU 快一个数量级。2.3 为什么用 PyTorch 重写而不是继续用 MATLABMATLAB 版本的评估脚本有几个硬伤第一它依赖 MATLAB 的 Image Processing Toolbox没有授权就跑不了第二MATLAB 的循环效率低评估一个包含 1000 张图的数据集可能要几分钟第三MATLAB 脚本的路径管理很原始换数据集要手动改代码。PyTorch 版本把这些问题都解决了用torch.nn.functional里的avg_pool2d替代 MATLAB 的imfilter用torch.mean替代mean2整个评估流程可以在 GPU 上并行处理多张图。更重要的是PyTorch 版本可以直接嵌入到你的训练代码里每个 epoch 结束后自动评估一次验证集不用再单独跑脚本。3. 把 pred 和 GT 喂进去目录结构、dataloader 与一键评估的完整流程这一章是实操的核心。我会按“准备数据 → 理解 dataloader → 跑 main.py → 看输出”的顺序走一遍每一步都给出可复现的命令和参数说明。3.1 目录结构pred 和 GT 必须这样放从项目正文的文件列表可以看到压缩包解压后包含main.py、evaluator.py、dataloader.py以及pred和gt两个目录。pred目录下有一个DSS子目录说明作者已经放了一份 DSS 模型的预测结果作为示例。gt目录下应该有ECSSD子目录对应 ECSSD 数据集的 GT 图。正确的目录结构是这样的Evaluate-SOD-master/ ├── main.py ├── evaluator.py ├── dataloader.py ├── pred/ │ ├── DSS/ │ │ ├── 0001.png │ │ ├── 0002.png │ │ └── ... │ └── 你的模型名/ │ ├── 0001.png │ └── ... └── gt/ └── ECSSD/ ├── 0001.png ├── 0002.png └── ...关键点pred下的子目录名就是模型名gt下的子目录名就是数据集名。main.py会遍历pred下的每个模型目录再遍历gt下的每个数据集目录自动匹配文件名相同的图片进行评估。如果你的 pred 文件名和 GT 文件名不一致比如 pred 是0001.png而 GT 是0001.jpg代码会报 “file not found” 错误。常见做法是统一用 PNG 格式文件名保持完全一致。3.2 dataloader.py 在做什么别被文件名骗了dataloader.py这个名字容易让人以为是 PyTorch 的DataLoader但实际上它只是一个简单的图片读取工具。核心函数大概是这样的# dataloader.py 的核心逻辑根据项目结构推断 import os from PIL import Image import torch from torchvision import transforms def load_image(path, sizeNone): 读取图片并转为 tensor归一化到 [0,1] img Image.open(path).convert(L) # 灰度图 if size is not None: img img.resize(size, Image.BILINEAR) transform transforms.ToTensor() # 自动除以 255 return transform(img).unsqueeze(0) # 增加 batch 维度 def load_gt(path): 读取 GT 图二值化到 {0,1} img Image.open(path).convert(L) transform transforms.ToTensor() gt transform(img) gt (gt 0.5).float() # 二值化 return gt.unsqueeze(0)逻辑说明load_image把 pred 图转成灰度 tensortransforms.ToTensor()会自动把像素值从 [0,255] 映射到 [0,1]。load_gt多了一步二值化因为 GT 图虽然是二值的但保存成 PNG 后可能有压缩噪声用 0.5 作为阈值可以过滤掉。参数说明size参数用于 resize如果 pred 和 GT 尺寸不一致需要在这里统一。常见做法是保持原始尺寸因为 SOD 数据集的 pred 和 GT 通常已经对齐了。3.3 main.py 的一键评估命令行参数与 GPU 选择main.py是入口脚本典型用法是# 基本用法评估 pred/DSS 在 gt/ECSSD 上的四个指标 python main.py --pred_root ./pred --gt_root ./gt --dataset ECSSD --model DSS # 指定 GPU 设备默认用 cuda:0 python main.py --pred_root ./pred --gt_root ./gt --dataset ECSSD --model DSS --device cuda:1 # 评估所有模型在所有数据集上的结果 python main.py --pred_root ./pred --gt_root ./gt --all参数说明--pred_root和--gt_root是 pred 和 GT 的根目录--dataset指定数据集名对应gt下的子目录--model指定模型名对应pred下的子目录--device指定 GPU 设备如果你有多张卡可以用cuda:1避免和训练任务抢显存--all是一个便捷开关会遍历所有模型和数据集。代码内部会做这几件事先用dataloader读取 pred 和 GT然后实例化Evaluator调用evaluate()计算四个指标最后把结果打印到控制台并保存到一个 CSV 文件里。CSV 的格式大概是model,dataset,MAE,MaxF,Smeasure,Emeasure DSS,ECSSD,0.0521,0.9213,0.8765,0.9342如果你要对比多个模型直接把所有模型的 pred 目录放到pred下跑一次--all就能得到一张完整的对比表。3.4 evaluator.py 的 GPU 加速细节哪些操作真正跑在 GPU 上evaluator.py是核心四个指标的计算都在这里。GPU 加速主要体现在三个地方第一S-measure 的局部均值计算。原始 MATLAB 代码用imfilter做均值滤波PyTorch 版本用torch.nn.functional.avg_pool2d替代这个操作在 GPU 上比 CPU 快很多。代码大概是# S-measure 中的局部均值计算 import torch.nn.functional as F def local_mean(x, kernel_size7): 用 avg_pool2d 替代 MATLAB 的 imfilter padding kernel_size // 2 return F.avg_pool2d(x, kernel_size, stride1, paddingpadding)第二E-measure 的增强对齐矩阵计算。这个矩阵涉及逐像素的乘法和除法PyTorch 的广播机制可以让这些操作在 GPU 上并行执行。第三阈值扫描。Max F-measure 需要对 256 个阈值分别计算 precision 和 recallCPU 版本用循环GPU 版本可以用torch.stack把所有阈值下的结果拼成一个 tensor一次性算完。提示如果你的 GPU 显存小于 4GB评估大尺寸图片比如 400x400 以上时可能会 OOM。常见做法是先把图片 resize 到 256x256 再评估或者用--device cpu回退到 CPU 模式。4. 避坑与排查评估结果对不上、OOM、路径报错怎么处理这一章记录几个我实际踩过的坑每个都按“现象 → 原因 → 解决”写方便你对照排查。4.1 现象MAE 算出来是 0.3 以上明显偏高原因pred 图没有归一化或者归一化方式不对。这份代码假设 pred 是灰度 PNG像素值 0-255transforms.ToTensor()会自动除以 255。但如果你的 pred 是已经归一化过的浮点图比如用plt.imsave保存的像素值范围是 [0,1]再除以 255 就会变成 [0,0.004]MAE 自然偏大。解决检查 pred 图的像素值范围。用 Python 快速看一下from PIL import Image import numpy as np img np.array(Image.open(pred/DSS/0001.png)) print(img.min(), img.max(), img.dtype) # 如果输出是 0 255 uint8说明是正常灰度图 # 如果输出是 0.0 1.0 float说明已经归一化过了需要改 dataloader如果是浮点图把dataloader.py里的transforms.ToTensor()去掉直接torch.from_numpy(img).float()。4.2 现象Max F-measure 比论文里低 5 个点以上原因阈值扫描的范围不对。这份代码默认扫描 0 到 255 共 256 个阈值但如果你的 pred 图动态范围很窄比如最大像素值只有 128高阈值区间全是 0precision 和 recall 都算不出来Max F-measure 会偏低。解决先检查 pred 图的直方图。如果最大值远小于 255说明模型输出的显著图没有满量程。常见做法是在保存 pred 之前做一次 min-max 归一化把最大值拉到 255。如果不想改模型代码可以在evaluator.py里加一步归一化# 在计算 Max F-measure 之前对 pred 做 min-max 归一化 pred (pred - pred.min()) / (pred.max() - pred.min() 1e-8)4.3 现象报错 “CUDA out of memory”原因评估大尺寸图片时S-measure 和 E-measure 的中间矩阵占显存。一张 400x400 的图中间矩阵大概是 400x400x4 字节 640KB看起来不大但如果 batch 里有多张图或者 GPU 同时跑着训练任务显存就不够了。解决三个方案。第一用--device cpu回退到 CPU速度慢但不会 OOM。第二在dataloader.py里加 resize把图片统一缩到 256x256。第三用torch.cuda.empty_cache()在每张图评估完后清一次缓存。4.4 现象报错 “FileNotFoundError: pred/DSS/0001.png not found”原因pred 和 GT 的文件名不匹配。这份代码用文件名做匹配如果 pred 是0001.png而 GT 是0001.jpg或者 pred 是DSS_0001.png而 GT 是0001.png都会报这个错。解决写个脚本批量重命名把 pred 和 GT 的文件名统一。常见做法是用 GT 的文件名作为基准把 pred 的文件名改成一样的# 假设 GT 是 0001.png 格式pred 是 DSS_0001.png 格式 cd pred/DSS for f in DSS_*.png; do new_name${f#DSS_} mv $f $new_name done4.5 现象S-measure 和 E-measure 的结果和 MATLAB 版本差 0.01 左右原因浮点精度差异。MATLAB 默认用 double 精度PyTorch 默认用 float32。对于大多数指标这个差异可以忽略但 S-measure 和 E-measure 涉及多次除法和均值计算误差会累积。解决如果要求完全一致可以在 PyTorch 里用torch.float64。但常见做法是接受这个差异因为 0.01 以内的偏差在论文里通常不影响结论。如果审稿人要求严格一致在evaluator.py里把 tensor 转成double再算。5. 进阶用法把评估嵌进训练循环每个 epoch 自动跑一次这份代码最大的价值不是单独跑一次评估而是可以嵌进训练循环里。我一般会在训练脚本里加一个evaluate函数每个 epoch 结束后自动评估验证集把四个指标写到 TensorBoard 里。这样你可以在训练过程中实时看到模型在 MAE 和 S-measure 上的变化不用等训练完再跑评估。具体做法是在训练脚本里 importEvaluator把验证集的 pred 图保存到临时目录然后调用evaluate()。代码大概是# 在训练循环中嵌入评估 from evaluator import Evaluator import os def evaluate_epoch(model, val_loader, gt_root, device): 每个 epoch 结束后评估验证集 model.eval() pred_dir ./tmp_pred os.makedirs(pred_dir, exist_okTrue) with torch.no_grad(): for i, (img, gt, name) in enumerate(val_loader): img img.to(device) pred model(img) # 保存 pred 图到临时目录 pred_np (pred.squeeze().cpu().numpy() * 255).astype(uint8) Image.fromarray(pred_np).save(f{pred_dir}/{name[0]}.png) # 调用 Evaluator evaluator Evaluator(pred_rootpred_dir, gt_rootgt_root, devicedevice) metrics evaluator.evaluate() return metrics # {MAE: ..., MaxF: ..., Smeasure: ..., Emeasure: ...}逻辑说明这个函数先把验证集的 pred 图保存到临时目录然后复用Evaluator的计算逻辑。参数说明gt_root是验证集 GT 的根目录device是 GPU 设备。注意每次评估前要清空tmp_pred目录否则会混入上一个 epoch 的图。还有一个技巧如果你要对比多个模型可以把所有模型的 pred 图放到同一个pred目录下跑一次--all得到一张 CSV 表。然后直接用 pandas 读 CSV画柱状图对比。我一般会用这个表来选模型——MAE 最低的不一定是 S-measure 最高的四个指标要综合看。注意嵌进训练循环时评估频率不要太高。每个 epoch 都跑一次完整验证集可能很慢常见做法是每 5 个 epoch 评估一次或者只评估验证集的一个子集。从那以后我每次训完 SOD 模型都会先把 pred 图按pred/模型名/的格式整理好然后跑一遍python main.py --all确认四个指标都正常再写进论文。这个习惯帮我省了很多返工的时间——有一次 MAE 算出来是 0.02我差点以为模型突破了 SOTA结果发现是 pred 图没归一化虚惊一场。希望帮到你。本文还有配套的精品资源点击获取