语义分割 评价指标置信度

语义分割是计算机视觉领域的一个任务，它旨在对图像中的每个像素进行分类，精确地划分出每个对象的边界，使得每个像素都被分配到相应的类别中。评价语义分割模型的性能通常依赖于几个关键指标：

1. **Intersection over Union (IoU)** 或称为 Jaccard 系数，它是预测区域和真实区域交集大小与并集大小的比例。IoU越高，表示预测结果与实际标签越匹配。

2. **Mean Intersection over Union (mIoU)** 平均 IoU 是所有类别的 IoU 的平均值，它可以衡量模型整体的分割能力。

3. **Pixel Accuracy** 每个像素点的正确率，即预测正确的像素占总像素的比例，但它不能很好地评估类别不平衡的情况。

4. **Class-wise IoU** 分别计算每个类别的 IoU，可以了解模型在各个类别的识别效果。

置信度（Confidence Score）是对模型预测结果确定性的量化，对于语义分割而言，可能是基于每个像素的分类概率。高置信度意味着模型对该像素的分类非常有把握。