【深度学习】语义分割相关评价指标

---

IoU交并比

IoU (Intersection over Union) 从字面意义上来说就是交并比，顾名思义就是两个集合的交集与两个集合的并集之比，可表示图如下：

$$IoU=\frac{A\cap B}{A\cup B}$$

PASCAL

在语义分割任务中，通常使用预测(predict label)与真值(ground truth)之间的交并比作为评价标准，例如在PASCAL、CityScapes等数据集；在PASCAL数据集的文档中，对于语义分割任务的评价标准利用模型评估的基本指标表达如下：

这里将IoU中交并集关系细化为利用机器学习中的模型指标基本概念来表达，关于真正例、假负例等概念可以参考下图的概念：

结合上述概念表达，将模型指标基本概念填入上述集合图：

说明：

• 红色的GT代表Ground Truth真值，PL代表Predict Label预测值；
• 最外层方框表示整个预测范围，在两个集合并集范围外的那部分为TN（表示模型预测为不是真值Negative，并且预测对了True）

---

参考

1. http://host.robots.ox.ac.uk/pascal/VOC/voc2012/devkit_doc.pdf
2. 分类 (Classification)：真与假以及正类别与负类别