语义分割的评价指标

        语义分割任务常用的评价指标为Dice coefficient和mIoU。dice和Iou都是用来衡量两个集合之间相似性的度量，对于语义分割任务而言即用来评估网络预测的分割结果与人为标注结果之间的相似度。接下来将分别介绍两者之间的区别和联系。

0. 二分类的评价指标

        在介绍语义分割评价指标之前，先回顾一下分类算法的评价指标，混淆矩阵，accuracy，precision和recall，以及F1-score这5个指标。

混淆矩阵（confusion matrix)

 如上图所示，包含一个二分类的混淆矩阵和一个例子。对于一个二分类任务，可能出现如下四种情况：

1. TP：表示一个样本被预测为正类，并且真实标签为正类
2. FN：表示一个样本被预测为反例，但是真实标签为正例
3. FP：表示一个样本被预测为正例，但是真实标签为反例
4. TN：表示一个样本为预测为反例，并且真实标签为反例

上述四个标识的理解可以通过从右到左读取，即第一个表示为预测结果，第二个字母表示是否预测正确。举例：FP-第一个字母为P，即表示预测结果为positive（正例），第二个字母为F，即表示预测错误，那么表示原本真实标签应该是反例。

Accuracy(准确率）

表示预测正确的样本数量占全部样本的百分比，具体表示如下：