u-net代码图像分割，get_mIoU计算评价指标得不到结果，只能计算背景（2分类

源代码来自bubbliiiing：

Bubbliiiing的个人空间-Bubbliiiing个人主页-哔哩哔哩视频

GitHub - bubbliiiing/unet-pytorch: 这是一个unet-pytorch的源码，可以训练自己的模型

本人提交的issue:get_mIoU计算评价指标得不到结果，只能计算背景（2分类 · Issue #85 · bubbliiiing/unet-pytorch · GitHub

重申下这个代码的说明部分：

进行指标评估需要注意以下几点：
1、该文件生成的图为灰度图，因为值比较小，按照JPG形式的图看是没有显示效果的，所以看到近似全黑的图是正常的。
2、该文件计算的是验证集的miou，当前该库将测试集当作验证集使用，不单独划分测试集
3、仅有按照VOC格式数据训练的模型可以利用这个文件进行miou的计算。

出现的问题，混淆矩阵只有背景有结果
 

不过多说明细节了，被这个问题折磨了太久，也找了不少地方的问题，接下来直接说解决办法。

首先是2分类任务，背景+目标
输出了图像结果排查，发现

标签（VOCdevkit\VOC2007\SegmentationClass\xx.png）的图是这样的，目标部分标签255（白色），
 

但代码流程中预测出的图（路径miou_out\detection-results\xx.png）目标部分是1（灰度图，看上去是黑色的）（相当于没有mix可视化
 

观察混淆矩阵，发现背景确实是识别到了，但是另一个类别没有结果，感觉是这部分的问题（utils/utils_metrics.py/fask_hist函数），在这里用np.bincount计算的混淆矩阵

遂在utils/utils_metrics.py/compute_mIoU函数中，增加了一行代码转换了标签图的数值
（最差的办法

#------------------------------------------------#
#   读取一张对应的标签，转化成numpy数组
#------------------------------------------------#
label = np.array(Image.open(gt_imgs[ind]))
label = np.minimum(1, label) # 添加了此行代码将255转换到了1    

最终得到了混淆矩阵，结果也能计算了，不过这个问题不应该在这里解决，只能就事论事来救急了