在语义分割领域常用这两个指标评估模型性能。例如下图中：P（整个黑框）表示 ground-truth 像素区域，Q（整个绿框）表示模型预测的像素区域
IoU全称为：Intersection over Union
交并比（IoU）
\[ IoU = \frac {P ∩ Q} {P ∪ Q} \]
当 IoU==1 时，表示 P 和 Q 完全重叠，即预测完全正确，当 IoU==0 时，两者完全独立，即预测没有丝毫正确的地方
平均交并比（mIoU）
很多情况下，模型预测的类别往往不止一个，假设类别为 k 个，则对这 k 个预测的 IoU取均值即可
\[ mIoU = \frac {1} {k} \sum_{i=1}^{k}IoU_i \]