在语义分割中常用的指标有哪些

其核心目标即在于识别输入图像中每一个像素所属的类别。换句话说，在完成语义分割的过程中, 实际上就是要实现像素级别的分类

图中左边是一张原始图像，在其右侧分别展示了该图像的标注信息和预测结果：中间区域显示的是每个像素的真实标注（真实标签），而右侧则展示了模型对每个像素类别的预测输出。

为了验证该语义分割方法的实际效果, 我们必须对所采用的语义分割方法进行严格评估. 在此基础上, 我们将详细介绍几种在该领域中被广泛采用的评价指标.

问题假定

在准确描述每个评价指标之前，我们先做出一些假定：

• 每个像素都被分配了一个唯一的类别标签。
  • 假设总共有k+1类别存在，在这些分类中包含了k个具体的分类以及一个背景分类
  • p_{ij}定义为从第i类被误分到第j类的数量。特别地，在i=j的情况下，则表示将真实类别的样本正确归类到对应的预测结果；反之，则表示出现了分类错误

1. Pixel Accuracy

Pixel Accuracy 简称PA, 它为核心评价标准. 它代表所有像素类别预测正确的具体数值 相对于