语义分割：像素级别的分类

常用的评价指标：

  • 像素准确率（PA）

  • 类别像素准确率（CPA）

  • 类别平均像素准确率（MPA）

  • 交并比（IoU)

  • 平均交并比（MIoU)

混淆矩阵

定义：混淆矩阵就是统计分类模型的分类结果。统计归对类，归错类的样本的个数，然后把结果放在一个表里展示出来

  • 准确率（Accuracy），对应：语义分割的像素准确率 PA
    公式：Accuracy = (TP + TN) / (TP + TN + FP + FN)
    意义：对角线计算。预测结果中正确的占总预测值的比例（对角线元素值的和 / 总元素值的和）
  • 精准率（Precision），对应：语义分割的类别像素准确率 CPA
    公式：Precision = TP / (TP + FP) 或 TN / (TN + FN)
    意义：竖着计算。预测结果中，某类别预测正确的概率
  • 召回率（Recall），不对应语义分割常用指标
    公式：Recall = TP / (TP + FN) 或 TN / (TN + FP)
    意义：横着计算。真实值中，某类别被预测正确的概率

像素准确率 = 准确率    

类别像素准确率 = 精准率

类别平均像素准确率 = 累计CPA求平均 MPA = sum (Pi) / 类别数

Pi=对角线值/对应列的像素总数

交并比 ：模型对某一类别预测结果和真实值的交集与并集的比值

IoU = TP / (TP + FP +FN)

平均交并比 ：对IoU求和再求平均

MIoU = (IoU正例+IoU反例) / 2

dice系数

IoU指标