UNET-RN-FIUBA

Consiste en desarrollar los modelos de UNET, UNET++ y UNET+++ y compararlos usando el set de datos carvana para la segmentacion semantica

Métricas de Evaluación

Para comparar los resultados de los modelos de segmentación semántica, utilizamos dos métricas clave: IoU (Intersection over Union) y Dice Coefficient.

Intersection over Union (IoU)

La métrica IoU, también conocida como Jaccard Index, mide la superposición entre la máscara predicha y la máscara real:

$$ IoU = \frac{|y \cap y_{\text{pred}}|}{|y \cup y_{\text{pred}}|} $$

Donde:

• $y$ es la máscara verdadera.
• $y_{\text{pred}}$ es la máscara predicha por el modelo.
• $\cap$ representa la intersección entre ambas máscaras.
• $\cup$ representa la unión.

Un valor de IoU más alto indica una mejor coincidencia entre la predicción y la verdad de terreno.

Dice Coefficient

El Coeficiente de Dice es una métrica similar a IoU, pero enfatiza la proporción de superposición entre las máscaras:

$$ Dice = \frac{2 |y \cap y_{\text{pred}}|}{|y| + |y_{\text{pred}}|} $$

Esta métrica tiene una interpretación cercana a IoU, pero tiende a ser más sensible a clases con pocos píxeles en la segmentación.

Ambas métricas se utilizan para evaluar la calidad de las segmentaciones generadas por los modelos UNET, UNET++, y UNET+++ en el conjunto de datos Carvana.