语义分割评价指标代码 python

语义分割常用的评价指标包括精度（Accuracy）、召回率（Recall）、精确度（Precision）、F1分数（F1-score）等。下面是这些指标的代码实现：

import numpy as np
from sklearn.metrics import confusion_matrix

def accuracy(true, pred):
    return np.sum(true == pred) / np.prod(true.shape)

def recall(true, pred):
    cm = confusion_matrix(true.flatten(), pred.flatten())
    return np.diag(cm) / np.sum(cm, axis=1)

def precision(true, pred):
    cm = confusion_matrix(true.flatten(), pred.flatten())
    return np.diag(cm) / np.sum(cm, axis=0)

def f1_score(true, pred):
    pre = precision(true, pred)
    rec = recall(true, pred)
    return 2 * (pre * rec) / (pre + rec)

其中，`true`和`pred`分别为真实标签和预测标签，都应该是二维的数组形式。`confusion_matrix`函数可以计算混淆矩阵，从而得到精确度和召回率，然后根据这两个指标计算F1分数。