深度学习之语义分割中的度量标准

	真实1	真实0
预测1	TRUE Positive(TP)真阳性	FALSE Positive(FP)假阳性
预测0	False Negative(FN)假阴性	True Negative（TN）真阴性

查准率（precision），指的是预测值为1且真实值也为1的样本在预测值为1的所有样本中所占的比例。以西瓜问题为例，算法挑出来的西瓜中有多少比例是好西瓜。

 

召回率（recall），也叫查全率，指的是预测值为1且真实值也为1的样本在真实值为1的所有样本中所占的比例。所有的好西瓜中有多少比例被算法挑了出来。

 

F1分数（F1-Score），又称为平衡F分数（BalancedScore），它被定义为精确率和召回率的调和平均数。

 

IOU（Intersection over Union）交并比。计算真实值和预测值集合的交集与并集之比。

 

计算IOU需要用到的函数，TensorFlow里的是tf.count_nonzero(x)计算张量x里的非零元素个数。Numpy里是np.count_nonzero(x),计算矩阵x里非零元素个数；numpy中np.nonzero()函数，得到数组array中非零元素的位置（数组索引）的函数。

TP = tf.count_nonzero(y_pred_tf * y_true_tf)
TN = tf.count_nonzero((y_pred_tf - 1) * (y_true_tf - 1))
FP = tf.count_nonzero(y_pred_tf * (y_true_tf - 1))
FN = tf.count_nonzero((y_pred_tf - 1) * y_true_tf)

iou= TP / (TP + FP + FN)

6、张量操作

tensorflow 计数器 tf.bincount(x) 统计x里每个元素的个数

tf.count_nonzero() 统计x里非零元素的个数

tf.unique_with_counts()

参见：https://www.cnblogs.com/yifdu25/p/8313251.html

      https://www.cnblogs.com/fwl8888/p/9791879.html

https://www.w3cschool.cn/tensorflow_python/tensorflow_python-z5822of0.html