可以看到，常见的Dice、mIou等指标作为图像分割的主要指标：
1.5.1、混淆矩阵
TP：真阳性（True Positive），被预测为正样本，事实上也是正样本
TN：真阴性（True Negative），被预测为负样本，事实上也是负样本
FP：假阳性（False Positive），被判定为正样本，但事实上是负样本（误报）
FN：假阴性（False Negative），被判定为负样本，但事实上是正样本（漏报）
1.5.2、Dice系数（dice similarity coefficient）（常用）
计算两个样本间相似度，现多用于三维医学图像分割领域
15.3、交并比（intersection over union，IoU）
预测(predict label)与真值(ground truth) 集合的交集与两个集合的并集之比
1.5.4、均交并比（mean intersection over union，mIoU）（常用）
是对所有类的IoU取均值得到的，在语义分割广为使用。
1.5.5、像素精度（Pixel Accuracy）
标记正确的像素占总像素的百分比
1.5.6、召回率（Recall）
预测值为正且真实值也为正在真实值为正的所有样本中所占的比例
1.5.7、频权交并比（FWIoU）
频权交并比(Frequency Weighted Intersection-over-Union, FWIoU)是根据每一类出现的频率设置权重，权重乘以每一类的IoU并进行求和。
