Metrics
English | 简体中文
约定
因为不同的输入类型会导致结果的不同，因此我们对输入做如下约定:
- Numpy 类型 (一般是 cv2 的结果)
- UINT8: BGR, [0, 255], (h, w, c)
- float: BGR, [0, 1], (h, w, c). 一般作为中间结果
- Tensor 类型
- float: RGB, [0, 1], (n, c, h, w)
其他约定:
- 以
_pt 结尾的是 PyTorch 结果
- PyTorch version 支持 batch 计算
- 颜色转换在 float32 上做；metric计算在 float64 上做
PSNR 和 SSIM
PSNR 和 SSIM 的结果趋势是一致的，即一般 PSNR 高，则 SSIM 也高。
在实现上, PSNR 的各种实现都很一致。SSIM 有各种各样的实现，我们这里和 MATLAB 最原始版本保持 (参考 NTIRE17比赛 的 evaluation代码)
下面列了各个实现的结果比对.
总结：PyTorch 实现和 MATLAB 实现基本一致，在 GPU 运行上会有稍许差异
| Image |
Color Space |
MATLAB |
Numpy |
PyTorch CPU |
PyTorch GPU |
| baboon |
RGB |
20.419710 |
20.419710 |
20.419710 |
20.419710 |
| baboon |
Y |
- |
22.441898 |
22.441899 |
22.444916 |
| comic |
RGB |
20.239912 |
20.239912 |
20.239912 |
20.239912 |
| comic |
Y |
- |
21.720398 |
21.720398 |
21.721663 |
| Image |
Color Space |
MATLAB |
Numpy |
PyTorch CPU |
PyTorch GPU |
| baboon |
RGB |
0.391853 |
0.391853 |
0.391853 |
0.391853 |
| baboon |
Y |
- |
0.453097 |
0.453097 |
0.453171 |
| comic |
RGB |
0.567738 |
0.567738 |
0.567738 |
0.567738 |
| comic |
Y |
- |
0.585511 |
0.585511 |
0.585522 |
