文章目录
背景
**假设在一次分类/分割任务中，共有
60
个样本，其中：**
- 10个A类
- 20个B类
- 30个C类
每个样本的预测结果如下。 可见其对角线上的数字（8，15，24）均为正确预测，其它为错误预测。且每一列的总和为该类的总数目。
❓那么对于以上的结果，如何计算此次分类任务的GA、OA、mAcc、IoU、mIoU？
计算
GA、OA
Global Accuracy，Overall Accuracy表示全局的准确性，既不考虑类别，仅考虑所有样本的分类好坏。
计算方式： 所有正确分类的样本 / 样本总数。
O
A
=
(
8
+
15
+
24
)
60
=
0.783
OA = \frac{{\left( {8 + 15 + 24} \right)}}{{60}} = {\text{0}}{\text{.783}}
OA=60(8+15+24)=0.783
Class Accuracy
Class Accuracy，每一个类别的分类准确性。
计算方式： 正确预测为该类别的样本数 / 该类别的实际样本数
C
A
c
l
a
s
s
A
=
8
10
=
0.800
C{A_{classA}} = \frac{8}{{10}} = 0.800
CAclassA=108=0.800
C
A
c
l
a
s
s
B
=
15
20
=
0.750
C{A_{classB}} = \frac{{15}}{{20}} = 0.750
CAclassB=2015=0.750
C
A
c
l
a
s
s
C
=
24
30
=
0.800
C{A_{classC}} = \frac{{24}}{{30}} = 0.800
CAclassC=3024=0.800
Mean Accuracy
即Mean (Class) Accuracy，mAcc，所有类别的平均准确率。
计算方式： 所有 Class Accuracy 取平均值
m
A
c
c
=
C
A
A
+
C
A
B
+
C
A
C
3
=
0.800
+
0.750
+
0.800
3
=
0.783
mAcc = \frac{{C{A_A} + C{A_B} + C{A_C}}}{3} = \frac{{0.800 + 0.750 + 0.800}}{3} = {\text{0}}{\text{.783}}
mAcc=3CAA+CAB+CAC=30.800+0.750+0.800=0.783
Intersection over Union (IoU)
某一类的预测结果和真实值的交集与其并集的比值
计算方式： （某类的真实样本 ∩ 预测为该类的样本） / （某类的真实样本 ∪ 预测为该类的样本）
I
o
U
c
l
a
s
s
A
=
8
10
+
(
5
+
4
)
=
0.421
Io{U_{classA}} = \frac{8}{{10 + (5 + 4)}} = {\text{0}}{\text{.421}}
IoUclassA=10+(5+4)8=0.421
I
o
U
c
l
a
s
s
B
=
15
20
+
(
1
+
2
)
=
0.652
Io{U_{classB}} = \frac{{15}}{{20 + (1 + 2)}} = {\text{0}}{\text{.652}}
IoUclassB=20+(1+2)15=0.652
I
o
U
c
l
a
s
s
C
=
24
30
+
(
1
+
0
)
=
0.774
Io{U_{classC}} = \frac{{24}}{{30 + (1 + 0)}} = {\text{0}}{\text{.774}}
IoUclassC=30+(1+0)24=0.774
Mean IoU
mIoU，计算方式： 所有 Class 的 IoU取平均值
m
I
o
U
=
I
o
U
A
+
I
o
U
B
+
I
o
U
C
3
=
0.421
+
0.652
+
0.774
3
=
0.615
mIoU = \frac{{Io{U_A} + Io{U_B} + Io{U_C}}}{3} = \frac{{0.421 + 0.652 + 0.774}}{3} = {\text{0}}{\text{.615}}
mIoU=3IoUA+IoUB+IoUC=30.421+0.652+0.774=0.615
对于IoU和mIoU的计算，也可以更形象地参考：深度学习中常用的各项评价指标含义TP、FP、TN、FN、Accuracy、Recall、IoU、mIoU
本文转载自: https://blog.csdn.net/qq_27816785/article/details/125833556
版权归原作者 Gisleung 所有， 如有侵权，请联系我们删除。
版权归原作者 Gisleung 所有， 如有侵权，请联系我们删除。