DataWhale 零基础入门语义分割-地表建筑物识别-Task4

---

评价函数与损失函数

掌握常见的评价函数和损失函数Dice、IoU、BCE、Focal Loss、Lovász-Softmax；

---

一、TP TN FP FN

以二分类问题为例，TP(真正例 true positive) TN(真反例true negative) FP(假正例false positive) FN(假反例false negative)， 将所有的样本预测结果分成TP、TN、FP、FN 四类，并且每一类含有的样本数量之和为总样本数量，即TP+FP+FN+TN= 总样本数量。四类样本构成混淆矩阵：

• 预测结果中的正例在实际中是正例的所有样本被称为真正例（TP）< 预测正确>
• 预测结果中的正例在实际中是反例的所有样本被称为假正例（FP）< 预测错误>
• 预测结果中的反例在实际中是正例的所有样本被称为假反例（FN）< 预测错误>
• 预测结果中的反例在实际中是反例的所有样本被称为真反例（TN）< 预测正确>
涉及两个概念：
精准率（precision）: precision = TP / (TP + FP)
召回率（recall）: recall = TP / (TP + FN)
最好是对着混淆矩阵进行理解：
精准率：代表了预测的正例中真正的正例所占比例（你认为的正样本，有多少猜对了）
召回率：代表了真正的正例中被正确预测出来的比例（正样本有多少被找出来了）

二、Dice评价标准

1、Dice系数

Dice 系数（Dice coefficient）是常见的评价分割效果的方法之一，同样也可以改写成损失函数用来度量prediction 和target 之间的距离。Dice 系数定义如下：
$Dice(T,P)=|T</$