- 补充：
系统的多个方面需要被测试以评估其有效性，包括：执行时间、内存占用、和精确度。
如下图所示，红色圆代表真实值，黄色圆代表预测值。橙色部分红色圆与黄色圆的交集，即真正（预测为1，真实值为1）的部分，红色部分表示假负（预测为0，真实为1）的部分，黄色表示假正（预测为1，真实为0）的部分，两个圆之外的白色区域表示真负（预测为0，真实值为0）的部分。
- MP计算橙色与（橙色与红色）的比例。
- MIoU计算的是计算A与B的交集（橙色部分）与A与B的并集（红色+橙色+黄色）之间的比例，在理想状态下A与B重合，两者比例为1 。
- 像素精确度（pixel accuracy,PA）
这是最简单的指标，用来计算被正确分类的像素个数和总像素数之间的比例
- 平均像素精确度（Mean pixel Accuracy,MPA）
这是在PA基础上做了微整提升，为类别内像素正确分类概率的平均值:
- 平均交并比（Mean Intersection over Union,MIoU）
这是一个标准的衡量metric ，计算两个集合之间交集和并集的比例，在图像分割中，就是真实值（Ground Truth）和预测值两个集合。可以转换为TP（intersection）与TP ,FN ,FP之和（union）的比值。先计算每个类内的交并比，然后计算均值。
- 加权交并比（Frequency Weighted Intersection over Union,FWIoU）
这是在MIoU上的基础上做稍微的提升，对每一个类根据出现的频率为其设置权重