語義分割，目標檢測，變化檢測算法精度評價指標

混淆矩陣

混淆矩陣也稱誤差矩陣，是表示精度評價的一種標準格式，用n行n列的矩陣形式來表示。混淆矩陣的每一列代表了預測類別，每一列的總數表示預測爲該類別的數據的數目；每一行代表了數據的真實歸屬類別，每一行的數據總數表示該類別的數據實例的數目。每一列中的數值表示真實數據被預測爲該類的數目，以下表爲例。

		預測
		類1	類2	類3	總和
真實	類1	43	5	2	50
	類2	4	45	1	50
	類3	0	1	49	50
	總和	47	51	52	150

 

precision:

類1：43/47=0.9148

類2：45/51=0.8823

類3：49/52=0.9423

mean-precision=0.9131

recall:

類1：43/50=0.86

類2：45/50=0.9

類3：49/50=0.98

mean-recall=0.9133

 

iou:

類1：43/(43+7+4)=0.7962

類2：45/(45+5+6)=0.8035

類3：49/(49+3+1)=0.9245

mean-iou(Miou)=0.8414

Miou:

( iou(類1)+iou(類1)+iou(類1))/3=0.8414

pixel acc(PA):

PA=(43+45+49)/150=0.8832

MPA:

MPA=(43/50+45/50+49/50)/3=0.9133

F1-score:

F1-score=2*precision*recall/(precision+recall)=0.9506

Kappa:

po=PA=(43+45+49)/150=0.8832

pe=(47*50+51*50+52*50)/150*150=0.3333

kappa = (po-p3)/(1-pe)=0.8248

producter acc(PA):

PA=precision=0.9131

Overall Acc(OA):

OA=po=0.8832

user acc(UA):

UA=recall=0.9133

Heddlen acc(HA):

HA = F1-score=0.9506

Short acc(SA):

SA=PA*UA / (PA+UA-PA*UA)=0.8402

錯分誤差：

錯分誤差=1-用戶精度=0.0867

漏分誤差：

漏分誤差=1-製圖精度=0.0869