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
…