准确率、召回率、平均交并比

准确率（Precision）是指分类器预测的正样本中真正为正样本的比例，可以用以下公式表示：

Precision = TP / (TP + FP)

其中，TP（True Positive）表示真正的正样本数，FP（False Positive）表示被分类器预测为正样本但实际上为负样本的数目。

召回率（Recall）是指所有正样本中被分类器正确预测为正样本的比例，可以用以下公式表示：

Recall = TP / (TP + FN)

其中，FN（False Negative）表示实际上为正样本但被分类器预测为负样本的数目。

平均交并比（Mean Intersection over Union，简称mIoU）是一种用来评估图像分割算法性能的指标。它通过计算预测结果与真实标签之间的交集与并集的比值来衡量预测结果的精确度和召回率。mIoU的计算公式如下：

mIoU = 1 / n * sum(IoU_i)

其中，n表示类别数，IoU_i表示第i个类别的交并比。