一、前提知识

1. 图像分类 —— “这是什么？”

• 任务：只看整张图片，判断图片的主要内容是什么。

• 好比：你看了一眼照片，说：“这是一张猫的图片。”

• 特点：只关心“是什么”，不关心“在哪里”或“有几个”。

2. 目标检测 —— “有什么？在哪里？”

• 任务：不仅要找出图片里有哪些物体，还要用一个矩形框标出它们的具体位置。

• 好比：你指着一张家庭聚会照片说：“这里有个杯子，那里有个人，桌子上还有个苹果。” 并且用方框把它们一个个框出来。

• 特点：解决了“是什么”和“在哪里”的问题，但只用方框粗略定位。

3. 实例分割 —— “每一个的精确轮廓是什么？”

• 任务：在目标检测的基础上更进一步，不再用方框，而是精确地勾勒出每个物体具体的像素轮廓。

• 好比：不再是画方框，而是拿一支笔，沿着照片里每个人的身体边缘，一丝不差地描一遍，让每个人都能被单独“抠”出来。

• 特点：最精细，能区分开每一个独立的物体实例，并给出它们的精确形状。

一句话总结：

• 分类：整张图是只猫。

• 检测：图里有两只猫，分别用两个框标出来了。

• 分割：精确地描出这两只猫的轮廓，连一根胡须都不放过。

二、分类任务评价指标剖析

1.混淆矩阵：基石概念​

混淆矩阵是理解其他评价指标的基础，对于二分类问题，它是一个 2x2 的矩阵，展示了模型预测结果和真实标签之间的四种关系 ：​

• 真正例（True Positive，TP）：模型正确地将正类预测为正类。比如在判断图片是不是猫的任务中，把猫的图片正确判断为猫。​

• 假正例（False Positive，FP）：模型错误地将负类预测为正类，也就是把不是猫的图片误判成猫。​

• 真负例（True Negative，TN）：模型正确地将负类预测为负类，即把不是猫的图片正确判断为不是猫。​

• 假负例（False Negative，FN）：模型错误地将正类预测为负类，把猫的图片误判为不是猫。

比如（记住这个例子，后面会有联系），在一个有 100 张图片的测试集中，有 60 张猫的图片（正类）和 40 张非猫的图片（负类）。模型预测后，TP 为 50（正确识别出 50 张猫的图片），FP 为 10（把 10 张非猫图片误判为猫），TN 为 30（正确识别出 30 张非猫图片），FN 为 10（把 10 张猫的图片误判为非猫） ，从这个混淆矩阵中，我们能直观了解模型在猫和非猫图片判断上的对错数量。

2.准确率（ Accuracy）：简单却有局限​

准确率是最容易理解的指标，它表示模型预测正确的样本占总样本的比例，计算公式为：                                                            Accuracy=(TP+TN)/(TP+TN+FP+FN)

用上面的例子，准确率 =(50+30)/100 = 0.8，即模型的准确率为 80%。​

虽然准确率很直观，但它在样本不均衡的情况下有很大局限性。假设在一个极端的图片分类任务中，99% 的图片都是狗（负类），只有 1% 的图片是猫（正类）。如果一个模型简单地把所有图片都预测为狗，它的准确率会高达 99%，但实际上这个模型对于识别猫完全没有作用，所以在样本不均衡时，准确率不能准确反映模型性能。

3.精确率与召回率：不同侧重​

1）精确率（Precision）：也叫查准率，衡量的是在模型预测为正类的样本中，实际为正类的样本比例，公式是：Precision=TP/(TP+FP) 。

在刚才猫图片分类例子中，精确率 = 50/(50+10)≈0.83，表示模型预测为猫的图片中，真正是猫的图片比例约为 83%。​精确率高，说明模型预测为正类的可靠性高。

2）召回率（Recall）：也叫查全率，是指所有实际为正类的样本中，模型能够正确预测为正类的比例，公式为：Recall = TP/(TP+FN) 。

还是这个例子，召回率 = 50/(50+10)≈0.83 ，意味着在所有真正的猫图片中，模型成功识别出了 83%。召回率高，说明模型对正类样本的覆盖能力强。

4.F1 - score：综合考量​

F1 - score 是精确率和召回率的调和平均数，公式为：

                                 F1 - score = 2*(Precision*Recall)/(Precision+Recall) 

它综合了精确率和召回率，能更全面地评估模型性能。在样本不均衡或对精确率和召回率都有要求的任务中，F1 - score 非常有用。

还是以刚才的例子计算，F1 - score = 2*(0.83*0.83)/(0.83+0.83)=0.83 ，F1 - score 越高，说明模型在精确率和召回率之间的平衡越好。

5.ROC 曲线与 AUC 值：应对样本不平衡​

1）ROC 曲线：全称是受试者工作特征曲线（Receiver Operating Characteristic Curve），它以假正率（False Positive Rate，FPR）为横坐标，真正率（True Positive Rate，TPR）为纵坐标绘制而成。

其中，TPR = Recall = TP/(TP+FN) ，FPR = FP/(FP+TN) 。

在逻辑回归等模型中，通过改变分类阈值，可以得到不同的 TPR 和 FPR 组合，将这些组合点绘制在二维平面上就形成了 ROC 曲线。ROC 曲线可以帮助我们直观地了解模型在不同阈值下的分类性能，曲线越靠近左上角，模型的性能越好。​

2）AUC 值：即 ROC 曲线下的面积（Area Under Curve） ，取值范围在 0 到 1 之间。AUC 值越接近 1，说明模型的性能越好；当 AUC 值为 0.5 时，模型性能相当于随机猜测；AUC 值小于 0.5 时，模型性能比随机猜测还差。AUC 值的一个重要意义是，它综合考虑了模型在所有可能阈值下的表现，对于样本不均衡的问题有很好的适应性，在比较不同模型性能时是一个很有效的指标。

比如，有两个图像分类模型 A 和 B，模型 A 的 AUC 值为 0.85，模型 B 的 AUC 值为 0.7，说明模型 A 的性能优于模型 B。

三.目标检测评价指标解读

1.IoU：预测框与真实框的契合度​

交并比（Intersection over Union，IoU）是目标检测中一个基础且重要的指标，用于衡量预测边界框（predicted bounding box）和实际标注的真实边界框（ground truth bounding box）的重叠程度 。计算 IoU 时，先求出预测框和真实框的交集面积，再求出它们的并集面积，然后用交集面积除以并集面积，公式为：IoU = 交集面积 / 并集面积 。​

比如,在一张图片中，真实框标注的汽车位置是一个矩形区域，模型预测出的汽车位置也是一个矩形框。如果两个框完全重合，IoU 的值就是 1，这是最理想的情况，表示模型预测的位置非常准确；如果两个框没有任何重叠部分，IoU 的值就是 0，说明模型预测的位置完全错误；一般情况下，IoU 的值在 0 到 1 之间，值越大，说明预测框和真实框的重叠程度越高，模型对物体位置的预测就越准确 。在实际应用中，通常会设定一个 IoU 阈值（如 0.5），当预测框和真实框的 IoU 大于这个阈值时，就认为这次检测是正确的；小于阈值则认为检测错误 。

2.AP 与 mAP：综合评估指标​

1）平均精度（Average Precision，AP）是针对某一个类别而言的评估指标，它的计算是基于精确率 - 召回率（Precision - Recall）曲线。首先，将模型对某一类别的预测结果按照置信度从高到低排序，然后依次选取不同的置信度阈值，计算在每个阈值下的精确率（Precision）和召回率（Recall） 。以不同阈值下的召回率为横坐标，精确率为纵坐标，就可以绘制出精确率 - 召回率曲线，AP 就是该曲线下的面积 ，它综合反映了模型在不同置信度阈值下对该类别的检测性能。​

2）平均平均精度（mean Average Precision，mAP）则是用于评估模型在多类别目标检测任务中的整体性能，它是所有类别 AP 值的平均值。比如在一个包含人、车、自行车三个类别的目标检测任务中，分别计算出 “人” 类别的 AP、“车” 类别的 AP 和 “自行车” 类别的 AP，然后将这三个 AP 值相加再除以 3，得到的就是 mAP。mAP 值越高，说明模型在多类别目标检测中的综合性能越好，在比较不同目标检测模型的优劣时，mAP 是一个非常重要的指标。

3.精确率与召回率的沿用​

在目标检测中，精确率（Precision）和召回率（Recall）的定义与图像分类任务中有相似之处，但也结合了目标检测的特点。精确率指的是在模型预测出的所有目标中，真正正确的目标所占的比例；召回率是指在所有实际存在的目标中，被模型正确检测出来的目标所占的比例 。​

例如在一个行人检测任务中，模型预测出了 100 个行人，其中有 80 个确实是行人，那么精确率就是 80 / 100 = 0.8 ；而实际上图片中共有 120 个行人，模型检测出了 80 个，召回率就是 80 / 120 ≈ 0.67 。精确率和召回率在目标检测中同样反映了模型不同方面的能力，精确率高说明模型预测的目标可靠性高，误检少；召回率高表示模型能够检测出更多实际存在的目标，漏检少 。但在实际中，精确率和召回率往往相互制约，提高精确率可能会降低召回率，反之亦然。

四、实例分割评价指标解析​

1.AP 与 AR 在实例分割中的应用​

在实例分割里，平均精度（AP）和平均召回率（AR）同样是重要的评价指标，它们的计算原理和目标检测中有相似之处，但又结合了实例分割像素级分割的特点 。​

AP 的计算基于精确率 - 召回率曲线，对于每个类别，先把模型预测结果按照置信度从高到低排序 。在实例分割中，不仅要考虑预测框和真实框的位置匹配（通过 IoU 衡量），还要考虑预测掩码和真实掩码的像素级重叠情况 。计算不同 IoU 阈值下的精确率和召回率，最后使用分步积分法得到精确率 - 召回率曲线下的面积，这个面积就是 AP，它综合反映了模型在不同置信度阈值下对该类别的实例分割性能 。​

平均召回率（AR）表示的是在给定最大检测数目的前提下能够达到的最大召回率 。在实例分割中，核心思想在于控制每张图片最多允许提交多少个掩码预测结果 。比如通常会设定不同的 maxDets 参数来观察变化趋势，当 maxDets = 1 或者更少时，考察的是单次最佳猜测能力，即模型能否一次性准确分割出最有可能的那个实例；如果增加至 maxDets = 10，则反映前十个最可能对象被成功定位和分割的比例；而当提升到 maxDets = 100 后，则接近无限制情况下的整体覆盖程度，看模型能在多大程度上把图片中的所有实例都正确分割出来 。通过 AR 指标，可以了解模型在不同条件下对实例的覆盖能力和检测数量的准确性。​

2.掩码 IoU：像素级的精准度量​

掩码交并比（Mask IoU）是实例分割中一个非常关键的指标，用于衡量预测掩码和真实标签之间的重叠程度，体现了像素级分割的准确性 。与目标检测中的 IoU 不同，掩码 IoU 计算的是两个掩码（即每个像素都有类别标记的图像）之间的重叠关系 。​

计算掩码 IoU 时，先将预测掩码和真实掩码看作是由像素组成的二值图像（0 表示背景，1 表示目标实例） 。然后求出它们的交集，即两个掩码中像素值都为 1 的部分，这部分的像素数量就是交集的面积；再求出它们的并集，通过将两个掩码的像素值进行逻辑或运算得到，即只要有一个掩码中对应像素为 1，该像素就属于并集，这部分的像素数量就是并集的面积 。最后用交集面积除以并集面积，得到的就是掩码 IoU，公式为：Mask IoU = 交集面积 / 并集面积 。​

掩码 IoU 的值在 0 到 1 之间，值越接近 1，表示预测掩码和真实掩码的重叠程度越高，模型对实例的分割就越准确；值越接近 0，则说明两者重叠程度低，模型分割效果差 。在实际应用中，通常会设定一个掩码 IoU 阈值（如 0.5），当预测掩码和真实掩码的 IoU 大于这个阈值时，认为这次实例分割是正确的；小于阈值则认为分割错误 。