우아한 사이파이: 수학, 과학, 엔지니어링을 위한 파이썬 데이터 분석 라이브러리 SciPy

179

5

장

희소행렬과 혼동행렬

5.5

분할과 혼동행렬

스팸 메일 탐지기와 같은 분류 문제와 같은 방식으로 이미지 분할을 생각할 수 있다. 각 픽셀의

세그먼트 레이블은 픽셀이 속하는 부류

class

에 대한 예측이다. 다차원의 배열을

1

차원으로 반환

하는 넘파이의 .

ravel

( ) 메서드를 사용하여 분류 작업을 투명하게 처리할 수 있다.

아래의 작은

3

x

3

이미지 분할 예제를 살펴보자.

seg

=

np

.

array

([ [

1

,

1

,

2

],

[

1

,

2

,

2

],

[

3

,

3

,

3

]],

dtype

=

int

)

다음은 이미지를 분할하는 데 사용할 실젯값 (

ground

truth

,

gt

)이다.

gt

=

np

.

array

([ [

1

,

1

,

1

],

[

1

,

1

,

1

],

[

2

,

2

,

2

]],

dtype

=

int

)

다음과 같이 두 가지로 분류할 수 있다. 모든 픽셀은 다른 예측이다.

print

(

seg

.

ravel

())

print

(

gt

.

ravel

())

[

1

1

2

1

2

2

3

3

3

]

[

1

1

1

1

1

1

2

2

2

]

COO

형식을 적용하면 다음과 같다.

cont

=

sparse

.

coo

_

matrix

((

np

.

ones

(

seg

.

size

),

(

seg

.

ravel

(),

gt

.

ravel

())))

print

(

cont

)

(

1

,

1

)

1

.

0

(

1

,

1

)

1

.

0

(

2

,

1

)

1

.

0

180

우아한 사이파이 ...