Panoptic Segmentation
Semantic Segmentation => すべてのpixelのclassを推定するタスク
Instance Segmentation => 物体として認識されたpixelの物体番号(id)を推定するタスク
Panoptic Segmentation => pixel毎にclassと物体番号(id)を推定するタスク
数えられるクラス（車や人）を Thing クラス
数えられないクラス（空や道）を Stuff クラスとする
評価指標
Segment Matching
Groung TruthとpredictionのIoUが0.5以上だとMatchingしたとみなされる
証明そんなに難しく無いので良かったら読んでみてください。
PQ Computation
matchしたsegmentのIoUの平均値
間違いをペナルティーとして分母に加える=>scoreが小さくなる
合体させたものをPanoptic Qualityとする
とりあえずこの公式だけ覚えておけば完璧!
変形するとなんとなんと、Segmentation QualityとRecognition Qualityになるじゃないか！
*クラスに振り分けられていないpixel,曖昧なpixelは計算から外す
結論
物体番号とclassを推定するタスクなのね
やってみないとイメージ沸かないな
実装したらコード乗っけます!
参考文献
Panoptic Segmentation
https://arxiv.org/pdf/1801.00868.pdf
コンピュータビジョンの最新論文調査 Segmentation 編
https://engineer.dena.com/posts/2019.08/cv-papers-19-segmentation/