二值分割任务的Precision，Recall，Accuracy，F1-score，IoU的计算方式理解与代码实现

我的第一篇深度学习相关文章

从我的其他博文可以看出，我以前是搞WebGIS开发的，研究生阶段开始接触深度学习，如今刚开始工作，从事的也是深度学习相关的工作。就在博客记录一下工作上遇到的问题做个笔记。

第一篇就来谈谈深度学习中的Precision，Recall，Accuracy，F1-score，IoU的计算吧，这几种指标容易混淆，他们的计算方式以及含义，这篇文章讲的非常清楚，过多的就不介绍了。

今天主要记录一下在学习这些指标计算的过程中，看到的一些代码的实现方式的理解，如果大家还不熟悉这几种指标的计算可以先看上面提到的文章。

看了一些这几个指标的代码实现，主要实现方式有两种，一种是套公式型，一种是理解型，接下来以语义分割中的二值分割来说明：

1、套公式型

套公式其实就是上面提到的文章，先计算TP，FP，FN，TN，再通过这四个值根据以下公式分别计算出Precision，Recall，Accuracy，F1-score，IoU：
$$Precision=\frac{tp}{tp+fp}$$
$$Recall=t$$