语义分割评价指标和评价方法综述

来源：计算机工程与应用杂志2023年第6期北京时间：

作者：于营, 王春平, 付强, 寇人可, 吴巍屹, 刘天勇

单位：1.陆军工程大学石家庄校区 电子与光学工程系，石家庄 050005；2.三亚学院 信息与智能工程学院，海南 三亚 572022；3.陆军工程大学石家庄校区 装备指挥与管理系，石家庄 050005；4.东北石油大学 地球科学学院，黑龙江 大庆 163319

摘要：深度学习算法在语义分割领域已经取得大量突破，对这些算法的性能评估应选择标准、通用、全面的度量指标，以保证评价的客观性和有效性。通过对当前语义分割评价指标和度量方法进行归纳分析，从像素标记准确性、深度估计误差度量、执行效率、内存占用、鲁棒性等方面进行了多角度阐述，尤其对广泛应用的F1分数、mIoU、mPA、Dice系数、Hausdorff距离等准确性指标进行了详细介绍，并总结了提高分割网络鲁棒性的方法，指出了语义分割实验的要求和当前分割质量评价存在的问题。

关键词：语义分割,评价指标,平均交并比（mIoU）,平均像素精度（mPA）,鲁棒性