语义分割的评价指标

语义分割的评价指标

---

FCN-32s           FCN-16s           FCN-8s           Ground truth

---

像素准确率 PA 或 pixel acc.

像素准确率：pixel accuracy 即像素准确率，很明显就是预测像素的准确率高低的评价标准。方法也很简单: PA = 预测正确像素个数 / 总预测像素个数。公式写成：
$$PA=\frac{{\sum }_{i=0}^k{p}_{ii}}{{\sum }_{i=0}^k{\sum }_{j=0}^k{p}_{ij}}$$

---

平均交并比 MIoU 或 Mean IU

Mean Intersection over Union (MIoU，均交并比)，是语义分割的标准度量，几乎所有分割相关论文都会使用。在语义分割的问题中，单类的交并比就是该类的真实标签和预测值的交和并的比值
$$MIoU=\frac{1}{k}\sum _{i=1}^k\frac{P\cap G}{P\cup G}$$
其中P表示预测值，G表示真实值，K表示总类别个数。总体拉看，公式表示每个类别的预测值和真实值的交集除以并集，然后取平均
$$MIoU=\frac{1}{k+1}\sum _{i=0}^k\frac{p_{ii}}{{\sum }_{j=0}^k{p}_{ij}+{\sum }_{j=0}^k{P}_{ji}-p_{ii}}$$
$i$表示真实值，$j$表示预测值 ，$p_{ij}$表示将$i$预测为$j$的像素个数。这么一来，分子即为交集，分母即为并集

---

均像素精度 MPA或mean acc.

Mean Pixel Accuracy（MPA，均像素精度）：是Pixel Accuracy的一种简单提升，计算每个类内被正确分类像素数的比例，之后求所有类的平均。
$$MeanPixelAccuracy=\frac{1}{k+1}\sum _{i=0}^k\frac{p_{ii}}{{\sum }_{j=0}^k{p}_{ij}}$$

---

频权交并比 FWIoU 或 f.w.IU

Frequency Weighted Intersection over Union（FWIoU，频权交并比）：为MIoU的一种提升，这种方法根据每个类出现的频率为其设置权重。
$$FWIoU=\frac{1}{{\sum }_{i=0}^k{\sum }_{j=0}^k{p}_{ij}}\sum _{i=0}^k\frac{p_{ii}}{{\sum }_{j=0}^k{p}_{ij}+{\sum }_{j=0}^k{p}_{ji}-p_{ii}}$$

---

example

	pixel acc.	mean acc.	mean IU	f.w.IU
FCN-32s-fixed	83.0	59.7	45.4	72.0
FCN-32s	89.1	73.3	59.4	81.4
FCN-16s	90.0	75.7	62.4	83.0
FCN-8s	90.3	75.9	62.7	83.2