语义分割评价指标学习

在学习语义分割时，查阅语义分割的评价标准，发现一篇博客讲的很清楚，现附上链接

https://blog.csdn.net/weixin_38353277/article/details/121029978

以备忘时查阅，文中详细解释了

像素准确率（Pixel Accuracy，PA）、

类别像素准确率（Class Pixel Accuray，CPA）、

类别平均像素准确率（Mean Pixel Accuracy，MPA）、

交并比（Intersection over Union，IoU）、

平均交并比（Mean Intersection over Union，MIoU）

以及混淆矩阵概念。

 简单记录（下面的图表均来自上述链接，见水印）：

混淆矩阵：

 可以看到所有正确的预测都位于对角线中，对角线之外的值都是预测错误的值。

准确率(PA):预测结果中正确的占总预测值的比例，即对角线元素值的和/总像素值的和。可以理解为图像中正确分类的像素的百分比。

                 上图中PA=(a+e+i)/(a+b+c+d+e+f+g+h+i)

类别像素准确率(CPA)：分别计算每个类被正确分类像素数的比例，即该类别对角线上值/对应列的像素总数。

                 上图中类别1的CPA=a/(a+d+g)

                 上图中类别2的CPA=e/(b+e+h)

                 上图中类别3的CPA=i/(c+f+i)

类别平均像素准确率(MPA)：各个类别像素准确率的和/类别数，MPA=sum(CPA)/类别数

                 上图中的MPA=(a/(a+d+g)+e/(b+e+h)+i/(c+f+i))/3

交并比IOU:像素的真实值与预测值的交集除以像素的真实值与预测值的并集。

两种求法：（1）该类别对角线值/与该类别对角线值同行同列的所有相关像素的和

上图中：

iou1=a/(a+b+c+d+g)

iou2=e/(b+d+e+f+h)

iou3=i/(g+h+i+c+f)

(2)代码中的求法：分母

上图中：

iou1=a/[(a+b+c)+(a+d+g)-a]

iou2=e/[(b+e+h)+(d+e+f)-e]

iou3=i/[(c+f+i)+(g+h+i)-i]

平均交并比MIoU:sum(ioui)/类别数

上图中：

MIou=(iou1+iou2+iou3)/3

链接中还有相关的代码，可以查阅学习。在代码理解时，对混淆矩阵的理解参阅了链接

https://blog.csdn.net/weixin_43143670/article/details/104722381。