深度学习网络评价指标——IoU、Precision、Recall，mIoU、mPA、Accuracy和f-score的定义，区别和联系

评价对象

• IoU、Precision、Recall是针对所有图片内的某一类来说的;
• mIoU、mPA、Accuracy是针对所有类别来计算的；

分类器预测结果

实际中分类器的预测结果可以分为四种，TP，TN ，FP，FN:

• TP true positive 实际为正样本预测为正样本
• TN true negitive 实际为负样本预测为负样本
• FP false positive 实际为负样本预测为正样本
• FN false negative 实际为正样本预测为负样本

IoU、Precision、Recall

• IoU 交并比: TP/(TP+FP+FN)
• Recall 查全率: TP/(TP+FN)
• Precesion 精确率(类别像素准确率CPA:每个类被正确分类像素数的比例): TP/(TP+FP)

Miou、mPA、Accuracy

• Accuracy 像素准确率（PA: 预测类别正确的像素数占总像素数的比例):
  Accuracy=PA = (TP + TN) / (TP + TN + FP + FN)
• mPA (CPA累加求平均): mPA = sum(Pi) / 类别数