语义分割中的三个重要的评价指标

1、混淆矩阵

定义： 混淆矩阵就是统计分类模型的分类结果
说明：
P（True Positive）：真正例，模型预测为正例，实际是正例（模型预测为类别1，实际是类别1）
FP（False Positive）：假正例，模型预测为正例，实际是反例 （模型预测为类别1，实际是类别2）
FN（False Negative）：假反例，模型预测为反例，实际是正例 （模型预测为类别2，实际是类别1）
TN（True Negative）：真反例，模型预测为反例，实际是反例 （模型预测为类别2，实际是类别2）
展示形式：

2、像素准确率（PA）

定义：预测类别正确的像素数占总像素数的比例
计算方法：混淆矩阵中对角线元素之和 / 矩阵所有元素之和
PA = 16+3+16+12+8 / 64

3、类别像素准确率（CPA）

定义：每个类被正确分类像素数的比例
计算方法：对角线值 / 对应列的像素总数
0-CPA = 16 / 16 + 1+1 +2
1-CPA = 3 / 3+1
…

4、交并比（mIOU）

定义：像素的真实值与预测值的交集除以像素的真实值和预测值的并集
计算方法：对角线值 / 对应列的像素总数+对应行的像素数 - 对角线值
0-IOU = 16 / 20+18 -16
1-IOU = 3 / 4+4-3
…