語義分割相關評價指標

---

IoU交併比

IoU (Intersection over Union) 從字面意義上來說就是交併比，顧名思義就是兩個集合的交集與兩個集合的並集之比，可表示圖如下：

$IoU = \frac{A \cap B}{A \cup B}$

PASCAL

在語義分割任務中，通常使用預測(predict label)與真值(ground truth)之間的交併比作爲評價標準，例如在PASCAL、CityScapes等數據集；在PASCAL數據集的文檔中，對於語義分割任務的評價標準利用模型評估的基本指標表達如下：

這裏將IoU中交併集關係細化爲利用機器學習中的模型指標基本概念來表達，關於真正例、假負例等概念可以參考下圖的概念：

結合上述概念表達，將模型指標基本概念填入上述集合圖：

說明：

• 紅色的GT代表Ground Truth真值，PL代表Predict Label預測值；
• 最外層方框表示整個預測範圍，在兩個集合並集範圍外的那部分爲TN（表示模型預測爲不是真值Negative，並且預測對了True）

---

參考

1. http://host.robots.ox.ac.uk/pascal/VOC/voc2012/devkit_doc.pdf
2. 分類 (Classification)：真與假以及正類別與負類別