Metrics
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
- PSNR 比对
| 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 |
- SSIM 比对
| 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 |