語義分割有三大評價指標：執行時間、內存佔用以及準確度。下面重點介紹語義分割準確度的評估指標。
假設一共有k+1類（包括k個目標類和1個背景類），Pij表示本屬於i類卻預測爲j類的像素點總數，具體地，Pii表示true positives，Pij（j≠i）表示false positives，Pji（i≠j）表示false negtives
PA（Pixel Accuracy）
- 定義：分類正確的像素點數和所有的像素點數的比值
- 計算：
- 範圍：0~100%
- 用途：這是最簡單的度量分割準確性的方式
MPA（Mean Pixel Accuracy）
- 定義：計算每一類分類正確的像素點數和該類的所有像素點數的比例然後求平均
- 計算：
- 範圍：0~100%
MIoU（Mean Intersection over Union）
- 定義：計算每一類的IoU然後求平均。一類的IoU計算方式如下：
例如i=1， P11表示本屬於1類且被預測爲1類的像素點數，X1表示本屬於1類的像素點數， Y1表示被預測爲1類的像素點數
則1類的 IoU = P11 / (X1 + Y1 - P11)
- 計算：
- 範圍：0~100%
- 用途：這是分割任務的標準度量方法，同時考慮了“漏標”和“誤標”的情況。MIoU指標由於其代表性和簡潔性，成爲了評價分割準確性的最常用的指標。
FWIoU（Frequency Weighted Intersection over Union）
- 定義：根據每一類出現的頻率對各個類的IoU進行加權求和
- 計算：
- 範圍：0~100%
- 用途：它是對MIoU的改進，每個類的重要性取決於它們出現的頻率。