hanqer / evaluate-sod

A One-key fast evaluation on saliency object detection with GPU implementation including MAE, Max F-measure, S-measure, E-measure.

Hi there 👋

evaluate-sod's Issues

maxF-measure是否存在问题，我所有的评测maxF-measure值都没有发生变化

example中文件后缀必须一样

不应该是像example中那样一个png另一个jpg，最好一样

为啥用matlab跑出来的结果和python的不一样

你好，
请问这个python的实现有和matlab的结果做比较吗？
我拿了几个模型的预测结果分别用matlab和python跑出来结果不一样呢。s measure误差较大。

用你提供的单张图片跑出来的结果：
matlab：max-F:0.9608. avg-f:0.9024 mae:0.0199 avg-E:0.9749 S-score:0.9315
python：max-F:0.9608 avg-f:0.9102 mae: 0.0199 avg-E:0.9740 S-score:0.9304

而且在matlab版本中，e-measure是用的均值，你的代码返回最大值， 我上面列的是我改为均值后的。
f-measure的误差我可以理解，因为matlab用的不一样公式。其余的误差差不多都在0.009，还算可以接受的水平。

用于视频数据集

评估S-measure时候出现Nan错误

您好，Q.item()返回Nan错误，请问您这边处理了吗？

                else:
                    Q = alpha * self._S_object(pred, gt) + (1-alpha) * self._S_region(pred, gt)
                    if Q.item() < 0:
                        Q = torch.FloatTensor([0.0])
                if not isnan(Q.item()):
                    avg_q += Q.item()
                    img_num += 1.0
            avg_q /= img_num

我是这么处理的，不过与你们最近的EGnet工作发现有点出入，请问你们那边是怎么解决的？