微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识
深度学习已经应用在计算机视觉领域多个方面，在最常见的图像分类、对象检测、图像语义分割、实例分割视觉任务都取得了良好的效果，如下图所示：
深度学习在图像语义分割上已经取得了重大进展与明显的效果，产生了很多专注于图像语义分割的模型与基准数据集，这些基准数据集提供了一套统一的批判模型的标准，多数时候我们评价一个模型的性能会从执行时间、内存使用率、算法精度等方面进行考虑。有时候评价指标也会依赖于模型的应用场景而有所不同，精准度对一些严苛的使用场景是优先考虑的，速度是对一些实时应用场景优先考虑的。对语义分割模型来说，通常用下面的一些方法来评价算法的效果。
运行时间或者速度是一个很关键的指标，特别是在模型部署以后的推理阶段，在有些应用场景下，我们知道训练模型所需要的时间也是有意义的，但是通常不是很重要。主要原因在于训练/学习不是一个实时需求，除非训练时间极其漫长或者训练时候运行速度极其慢。另外一个问题是，执行时间容易受到各种硬件资源不同的影响，所以一般情况下很难去统一度量，不考虑硬件资源，片面的通过执行时间来衡量模型好坏有失公平。
对所有的语义分割模型来说，内存是另外一个重要因素，尽管多数场景中内存是可以随时扩充的，但是在一些嵌入式设备上，内存也是很珍贵的，即时高端GPU卡，内存也不是无限制可以消费的，所以网络的对内存的消耗也是一个评估考量的指标。
精度是评价图像分割网络最主要也是最流行的技术指标，这些精度估算方法各种不同，但是主要可以分为两类，一类是基于像素精度，另外一类是基于IOU。当前最流行的语义分割方法评估都是基于像素标记为基础完成的。
假设总计有k+1分类(标记为L0到Lk，其中包含一个背景类别)，Pij表示类别为i的像素被预测为类别为j的数目，这样来说Pii就表示TP(true positives)，Pij与Pji分别表示为FP(false positives)与FN(false negatives)。
PA – (Pixel Accuracy)
最简单的度量计算，总的像素跟预测正确像素的比率：
MPA –Mean Pixel Accuracy
基于每个类别正确的像素总数与每个类别总数比率求和得到的均值：
MIoU-Mean Intersection over Union
这是语义分割网络的一个标准评价指标，它通过计算交并比来度量，这里交并比代指ground truth与预测分割结果之间。是重新计算TP跟 (TP + FN+FP)之和之间的比率。IoU是基于每个类别计算，然后再求均值。公式如下：
FWIoU(Frequency Weighted Intersection over Union)
他是MIoU的改进版本，它会根据每个分类出现频率，对每个分类给予不同权重。它的计算方法如下：
