想象你是社区规划大赛的裁判。选手们各自上交一张手绘的小区功能地图，草地、道路、房屋、水域都标在自己画的位置上。而你手里有一张官方标准图：每一块地该是哪种用途，白纸黑字写得很清楚。选手的画则是模型的预测结果——有的标错了界，有的把道路画成草地，有的干脆漏掉一片水域。你的工作，就是把两张图逐格叠在一起比较，给每块区域打一个“重合率”，最后算出一个客观总分。mIoU（平均交并比）就是这类评分里最常用的一把尺子：它先按每一类区域分别计算重合率（IoU），再对所有类别取平均，用来回答“这张分割图到底靠不靠谱”。可惜这把尺子也有脾气——当某类区域特别小、某类地物特别稀少时，只看总分会被骗。本文就从“对图打分”说起，把这把尺子的刻度、算法、盲区和用法彻底讲透。

岗位关联

对 AI 从业者而言，mIoU 是评估分割模型的“通用语言”：读论文、写报告、上线验收都绕不开它。掌握它的原理与局限，你才能科学判断模型好坏，并精准定位优化方向。

目录
  1. 可视化演示
  2. 交并比IoU：两张地图的重合率
  3. 平均交并比mIoU：全区的平均分
  4. 像素精度PA：逐格打勾
  5. Dice系数：偏袒重叠的另一杆秤
  6. 宏平均与微平均：一类一票还是一像素一票
  7. mIoU的内在局限：尺子也有盲区
  8. 评估实战指南：科学使用这把尺子
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示Shor算法的量子整数分解流程，包括经典预处理、量子周期查找与经典后处理，直观理解量子计算对RSA加密的威胁与多项式时间分解优势。

本节配有交互动效（进入视口后自动加载，约 3KB）。

Shor算法（量子整数分解） 量子周期查找：利用量子叠加并行计算函数周期 QFT变换：量子傅里叶变换提取周期信息 RSA威胁：指数加速分解大整数，破解RSA加密 Complexity: O((log N)^3) vs Classical O(exp(√(log N log log N))) Shor算法实现指数级加速，威胁现代加密体系

交并比IoU：两张地图的重合率

裁判核对“草地”时，会把选手的草地和标准图的草地叠在一起。两片区域重叠的地方，是双方都盖章认可的“真草地”；而两片区域拼在一起盖住的全部地方，是“至少有一方认为是草地”的范围。重叠部分占拼合总范围的比例，就是交并比——比值越高，说明两人对这块区域的共识越强。

在深度学习里，“标准图”叫真值（Ground Truth），“选手的图”叫预测（Prediction）。图像被切成一个个像素，每个像素有唯一类别。对某一类 c，“双方都认可”就是真值为 c 且预测也为 c 的像素，叫真正例（TP）；“至少一方认可”则还要加上预测为 c 但真值不是 c 的假正例（FP），以及真值为 c 但预测漏掉的假负例（FN）。

IoU 的公式写作交集面积除以并集面积。分母 TP+FP+FN 恰好覆盖了“所有与 c 类相关的像素”，并且防止重复计数：TP 在预测和真值里都出现过，只算一次。

回到裁判视角：IoU 只回答“某一类区域画得如何”。草地画得再好，也说明不了道路有没有画错。想知道整张图行不行，裁判还得把每一类的重合率都看一眼，再算一个总账——这就是下一节的平均交并比。

IoUc=∣Ac∩Bc∣∣Ac∪Bc∣=TPTP+FP+FN\displaystyle \text{IoU}_c = \frac{|A_c \cap B_c|}{|A_c \cup B_c|} = \frac{\text{TP}}{\text{TP} + \text{FP} + \text{FN}}
通俗理解：IoU 就是“双方都盖章的区域”除以“只要有一方盖章就计入的区域”，满分 1 分、最低 0 分。
  1. 交集 |A∩B|预测为该类且真值同为该类的像素数，即两张地图都盖章“这里是草地”的地方，对应 TP。
    ∣Ac∩Bc∣=TP|A_c \cap B_c| = \text{TP}
  2. 并集 |A∪B|预测为该类或真值为该类的像素总数，由 TP、FP、FN 三部分拼成，重复区域只计一次。
    ∣Ac∪Bc∣=TP+FP+FN|A_c \cup B_c| = \text{TP} + \text{FP} + \text{FN}
  3. 比值计算用交集除以并集得到 0 到 1 之间的分数，越接近 1 表示两张地图对 c 类的轮廓越一致。
    IoUc=TPTP+FP+FN∈[0,1]\text{IoU}_c = \frac{\text{TP}}{\text{TP} + \text{FP} + \text{FN}} \in [0, 1]

平均交并比mIoU：全区的平均分

裁判不可能只盯着一块草地评审，他要给每个区域类型都打分，然后算总平均分。草地 0.93、道路 0.71、房屋 0.85、水域 0.62，四类相加除以 4，得到 0.78——这个“平均重合率”就是平均交并比，缩写为 mIoU。

mIoU 在语义分割中占据统治地位，几乎所有论文和开源库都会汇报它。原因很朴素：语义分割的目标是给每个像素分对类别，而 mIoU 天然把“每类都画得对”作为考核点，类别多寡不影响打分话语权，比单纯的像素正确率更能反映模型对每一类的真实掌握程度。

定义上，mIoU 是 C 个类别 IoU 的算术平均。计算时通常先统计每个类别的 TP/FP/FN，最方便的方式是借助混淆矩阵：行是真值、列是预测，对角线是各类的 TP，每行之和是该类在真值中的像素总数。

用裁判的话说，mIoU 是“每科平均分”——它能告诉你选手整体水平，却不会告诉你哪一科拖后腿。想要诊断具体问题，还需要下一节更简单的像素精度 PA 作对照。

mIoU=1C∑i=1CIoUi=1C∑i=1CTPiTPi+FPi+FNi\displaystyle \text{mIoU} = \frac{1}{C} \sum_{i=1}^{C} \text{IoU}_i = \frac{1}{C} \sum_{i=1}^{C} \frac{\text{TP}_i}{\text{TP}_i + \text{FP}_i + \text{FN}_i}
通俗理解：mIoU 就是“每个区域类型先各自打分，再算平均分”，是衡量分割模型综合实力的标准指标。
  1. 类别数 C任务定义了几类语义，如草地、道路、房屋、水域四类时 C=4。
    C=语义类别总数C = \text{语义类别总数}
  2. 单类 IoU_i逐类带入前面公式，得到第 i 类的重合率。
    IoUi=TPiTPi+FPi+FNi\text{IoU}_i = \frac{\text{TP}_i}{\text{TP}_i + \text{FP}_i + \text{FN}_i}
  3. 求和平均把各类 IoU 相加后除以 C，得到统一总分。
    mIoU=1C∑i=1CIoUi\text{mIoU} = \frac{1}{C}\sum_{i=1}^C \text{IoU}_i

像素精度PA：逐格打勾

如果裁判懒得算重合率，还有一个更省事的打分法：拿标准图跟选手图逐格比对，只要这一格类别一致就打个勾，最后数一数勾占总格子数的比例。这个比例就是像素精度 PA——它只关心“猜没猜对”，不关心“错得有多偏”。

从混淆矩阵看，PA 就是主对角线元素之和除以全图像素总数，即所有类别的正确预测像素加起来占总像素的比例。它实现简单、可解释性强，是很多人最早接触分割任务时见到的第一个指标。

但 PA 有一个致命特点：它对像素做加权，像素越多话语权越大。如果一个数据集中背景占 95%，模型把所有前景目标全部漏掉，PA 依旧高达 95%。因此 PA 通常与 mIoU 搭配使用，很少单独作为论文主指标。

回到对图现场：PA 是“一个格子一个格子勾对错”的粗评，mIoU 是“一类一类算重合率”的细评。两者差距越大，往往越说明类别不平衡在捣鬼——这正是后面要展开的话题。

PA=∑i=1Cnii∑i=1Cti=正确分类的像素数像素总数\displaystyle \text{PA} = \frac{\sum_{i=1}^{C} n_{ii}}{\sum_{i=1}^{C} t_i} = \frac{\text{正确分类的像素数}}{\text{像素总数}}
通俗理解：PA 是“整张卷子的逐题正确率”，而 mIoU 是“每科平均分”——前者容易偏袒题量大的科目。
  1. 对角线求和混淆矩阵主对角线元素 n_ii 表示第 i 类预测正确的像素数，全部加起来就是全图猜对的总数。
    ∑i=1Cnii=TP1+TP2+⋯+TPC\sum_{i=1}^C n_{ii} = \text{TP}_1 + \text{TP}_2 + \cdots + \text{TP}_C
  2. 分母像素总数t_i 是第 i 类在真值中的像素数，各类相加等于全图像素数。
    ∑i=1Cti=N总像素\sum_{i=1}^C t_i = N_{\text{总像素}}
  3. 求比值正确像素数除以总像素数，得到 0 到 1 之间的 PA。
    PA=正确像素数N总像素\text{PA} = \frac{\text{正确像素数}}{N_{\text{总像素}}}

Dice系数：偏袒重叠的另一杆秤

除了看并集的 IoU，裁判手里还有另一杆秤：不看并集，而是把两张图各自的盖章面积直接相加做分母，把重合面积数两次做分子。这样算出来的分数天生比 IoU 高，也更偏爱“双方都盖章”的重叠部分——它就是 Dice 系数。

Dice 在医学影像分割中被广泛使用，因为它对小目标温和：病灶区域往往只占整张片子的不到 1%，IoU 的并集分母容易被背景拉扯，而 Dice 对重合区域加倍鼓励，数值变化更灵敏，也更容易当作训练时的损失函数。

Dice 与 IoU 之间存在严格换算关系：Dice = 2IoU / (1+IoU)。已知 IoU=0.5 时 Dice≈0.667，反过来 IoU = Dice / (2−Dice)。因此论文里报哪一个都能互相换算，但数值不可直接对标——同一模型 Dice 总是高于 IoU。

对裁判而言，IoU 和 Dice 就像“严格批卷”和“宽松批卷”：同样的图，宽松版分数更好看。医学检查时大家习惯用温和的 Dice，但讨论模型有没有真进步时，记得换算成同一杆秤再比。

Dice=2∣A∩B∣∣A∣+∣B∣=2TP2TP+FP+FN\displaystyle \text{Dice} = \frac{2|A \cap B|}{|A| + |B|} = \frac{2\text{TP}}{2\text{TP} + \text{FP} + \text{FN}}
Dice=2IoU1+IoU,IoU=Dice2−Dice\displaystyle \text{Dice} = \frac{2\text{IoU}}{1 + \text{IoU}}, \qquad \text{IoU} = \frac{\text{Dice}}{2 - \text{Dice}}
通俗理解：IoU 是“重合占所有相关区域的比例”，Dice 是“重合被数了两次、更给重叠加分”的宽松评分，所以同样结果下 Dice 分数更高。
  1. 分子 2|A∩B|把重合像素数了两遍，突出“双方共识”的价值。
    2∣A∩B∣=2TP2|A \cap B| = 2\text{TP}
  2. 分母 |A|+|B|预测面积和真值面积相加，各含一份 TP，所以等于 2TP+FP+FN。
    ∣A∣+∣B∣=(TP+FP)+(TP+FN)|A| + |B| = (\text{TP}+\text{FP}) + (\text{TP}+\text{FN})
  3. 与 IoU 换算代入 IoU=TP/(TP+FP+FN) 化简，得到两指标之间的桥。
    Dice=2TP2TP+FP+FN=2IoU1+IoU\text{Dice} = \frac{2\text{TP}}{2\text{TP}+\text{FP}+\text{FN}} = \frac{2\text{IoU}}{1+\text{IoU}}

宏平均与微平均：一类一票还是一像素一票

同样是算总账，裁判可以有两种投票规则。规则一：每个区域类型出一票，先各自算 IoU 再取平均，草地、道路、房屋、水域各一票——这叫宏平均。规则二：把所有像素混在一起，直接统计全部 TP、FP、FN 再算一个总交并比，像素多的区域类型自动拿到更多票——这叫微平均。

这个区别在类别不平衡时格外重要。如果道路只占全图 5%，微平均里道路的贡献会被 95% 的草地淹没；而宏平均里道路仍然拥有五分之一的票数，道路画得再差也会被如实记进总账。标准 mIoU 采用的就是宏平均规则，这正是它比 PA 更能暴露小类问题的原因。

公式上，宏平均是“每类 IoU 的算术平均”；微平均是“全体 TP 之和除以全体相关像素之和”。两者在类别像素分布均匀时数值接近，分布悬殊时差异巨大。

裁判明白了：如果只想替多数派（大面积地物）说话，用像素投票；如果想确保每个功能区的利益都有人代表，用类别投票。mIoU 选择后者，这也是它成为行业标准的深层原因。

宏平均=1C∑i=1CTPiTPi+FPi+FNi,微平均=∑i=1CTPi∑i=1C(TPi+FPi+FNi)\displaystyle \text{宏平均} = \frac{1}{C}\sum_{i=1}^C \frac{\text{TP}_i}{\text{TP}_i+\text{FP}_i+\text{FN}_i}, \qquad\text{微平均} = \frac{\sum_{i=1}^C \text{TP}_i}{\sum_{i=1}^C (\text{TP}_i+\text{FP}_i+\text{FN}_i)}
通俗理解：宏平均=“一类一票”；微平均=“一像素一票”。投票规则不同，导致对类别不平衡的反应截然不同。
  1. 宏平均（类等权）每个类别各自算 IoU，再除以类别数 C，小类与大类同票权。
    Macro=1C∑i=1CIoUi\text{Macro} = \frac{1}{C}\sum_{i=1}^C \text{IoU}_i
  2. 微平均（像素等权）先把所有类的 TP、FP、FN 分别求和，再套同一个 IoU 公式。
    Micro=∑iTPi∑iTPi+∑iFPi+∑iFNi\text{Micro} = \frac{\sum_i \text{TP}_i}{\sum_i \text{TP}_i + \sum_i \text{FP}_i + \sum_i \text{FN}_i}
  3. 两类平均的关系像素分布越不均，Macro 与 Micro 差距越大；mIoU 特指宏平均。
    Macro≠Micro(类别不平衡时)\text{Macro} \neq \text{Micro} \quad (\text{类别不平衡时})

mIoU的内在局限：尺子也有盲区

再好的尺子也有量不准的时候。当某些区域非常小、某些类别特别稀少时，mIoU 这把总平均分的尺子会暴露两个盲区：一是平均值会稀释问题——一个类暴跌、其他类微涨，总账可能看不出异常；二是小目标本身像素少，个别像素的错位就会让该类 IoU 剧烈波动，评估噪声大。

用一个极端的例子感受差异：假设数据集中草地占 95%、小路占 5%。模型把草地画得完美，把小路全部漏掉。PA = 0.95×1 + 0.05×0 = 0.95，看起来“几乎满分”；而 mIoU = (1+0)/2 = 0.5，如实反映了小路全军覆没。

同样，微平均也会被 95% 的草地主导，只有宏平均 mIoU 能守住小类的“一半话语权”。但 mIoU 的问题是“只报平均、不报明细”——0.5 分到底是两类各 0.75，还是一类 1.0 一类 0.0，仅凭总分无从知晓。因此工程师不能只看 mIoU 一个数。

裁判如果想不被平均分迷惑，就得把每类得分单独列成一张成绩单——哪一类是学霸、哪一类不及格一目了然。这正是评估实战的核心动作。

PA=0.95×1+0.05×0=0.95,mIoU=12(1+0)=0.5\displaystyle \text{PA} = 0.95 \times 1 + 0.05 \times 0 = 0.95, \qquad\text{mIoU} = \frac{1}{2}(1 + 0) = 0.5
通俗理解：同一个“几乎完美”的分割结果，PA 给 95 分、mIoU 只给 50 分——差距全部来自小类“小路”的一败涂地。
  1. PA 的像素加权PA 中每类权重等于其像素占比，小路只有 5% 票权，全错也只扣 5 分。
    PA=0.95×1+0.05×0=0.95\text{PA} = 0.95 \times 1 + 0.05 \times 0 = 0.95
  2. mIoU 的类别等权mIoU 中草地、小路各一票，小路全错直接砍掉一半分数。
    mIoU=1+02=0.5\text{mIoU} = \frac{1+0}{2} = 0.5
  3. 信息损失mIoU 只输出均值，隐藏了“哪一类好、哪一类差”的明细，必须配逐类报告。
    mIoU=1C∑IoUi 会丢失逐类信息\text{mIoU} = \frac{1}{C}\sum \text{IoU}_i \ \text{会丢失逐类信息}

评估实战指南：科学使用这把尺子

老练的裁判不会只看一个总分下结论，而是准备一张“成绩单”。第一步：打印逐类 IoU 条形图，找出拉胯的类别；第二步：结合 PA、Dice、微平均等多个指标交叉验证，避免单一指标误判；第三步：针对问题类别定向优化，再重新评估。

除了前面所有指标，实际工作中还有一个实用变体：频率加权 IoU（FW-IoU）。它给每个类的 IoU 乘上该类的像素占比再求和，相当于在“宏平均”和“微平均”之间取折中——既照顾了真实像素分布，又没有完全放弃小类的声音。

指标组合时建议：主指标用 mIoU 对齐行业惯例，辅助指标用逐类 IoU 诊断细节；小目标或医学场景加报 Dice；类别极度不平衡时对比 Macro 与 Micro 的差距，确认是否被大像素类迷惑；PA 只作参考，绝不单独作为决策依据。

至此裁判的全套工具箱齐了：IoU 打分单类、mIoU 汇报总账、PA 帮看大局、Dice 照顾小目标、Macro/Micro 分辨票权、FW-IoU 折中平衡。下次拿到一张“高分”分割图，不妨先问一句：这是哪种尺子量出来的高分？

FW-IoU=∑i=1Cti⋅IoUi∑i=1Cti\displaystyle \text{FW-IoU} = \frac{\sum_{i=1}^{C} t_i \cdot \text{IoU}_i}{\sum_{i=1}^{C} t_i}
通俗理解：FW-IoU 是“按班级人数加权后的平均分”，人数多的科目影响大，但不至于像逐题正确率那样完全吞掉小科。
  1. 每类像素数 t_i统计真值中第 i 类的像素数量，作为该类打分权重。
    ti=第 i 类的真值像素数t_i = \text{第 } i \text{ 类的真值像素数}
  2. 加权求和每类 IoU 乘以其像素数，再加总。
    ∑i=1Cti⋅IoUi\sum_{i=1}^C t_i \cdot \text{IoU}_i
  3. 归一化平均除以总像素数，得到频率加权 IoU，数值介于宏平均与微平均之间。
    FW-IoU=∑iti⋅IoUi∑iti\text{FW-IoU} = \frac{\sum_i t_i \cdot \text{IoU}_i}{\sum_i t_i}

AI 应用场景

医学影像病灶分割的模型验收

阶段：模型评估与上线前验证

解决的问题：肿瘤病灶往往只占整张 CT 切片的 1% 以下，PA 可能高达 99% 而病灶区域全错。医疗 AI 团队用 Dice + 逐类 mIoU 联合评估，强制小病灶进入考核视野，避免“总分漂亮、病灶全漏”的假阳性验收。

具体案例：某肺结节分割项目，初版模型 PA=99.1% 但结节 Dice 仅 0.31，医生拒绝使用；补充小病灶训练样本并改用 Dice loss 后，Dice 升至 0.78，mIoU 同步改善，模型才通过验收。

自动驾驶道路分割的类别不均衡

阶段：模型训练迭代

解决的问题：城市街景里“道路”像素占 70%，而“车道线”“行人”“交通标志”占比极小。只看 mIoU 总分无法判断车道线是否变好，团队打印逐类 IoU 看板定位短板。

具体案例：某自动驾驶感知团队每次训练后输出逐类 IoU 条形图，发现道路 IoU 0.99、车道线仅 0.41，据此调整损失权重与采样策略，两轮迭代后车道线 IoU 提升到 0.68。

遥感地物分类的效果验收

阶段：效果验收与报告

解决的问题：遥感影像中建筑物屋顶、小水体等类别占比很小，mIoU 的平均值会稀释其失败信号；验收时用宏平均 mIoU 加频率加权 IoU 双指标，避免被大面积绿植/裸地的高分误导。

具体案例：某遥感项目在 1000 幅影像上评估，mIoU=0.82 看似优秀，逐类排查发现小水体 IoU 仅 0.2；结合 FW-IoU 定位漏检后针对性增强，小类 IoU 提升到 0.55。

Python 演示

python63 行
import numpy as np  def confusion_counts(pred, gt, c):    p = (pred == c)    g = (gt == c)    tp = int(np.logical_and(p, g).sum())    fp = int(np.logical_and(p, np.logical_not(g)).sum())    fn = int(np.logical_and(np.logical_not(p), g).sum())    return tp, fp, fn  def evaluate_segmentation(pred, gt, num_classes):    total = gt.size    pa = int((pred == gt).sum()) / total    class_ious = []    class_dices = []    total_tp = 0    total_denom = 0    area_sum = 0    fw_iou = 0.0    for c in range(num_classes):        tp, fp, fn = confusion_counts(pred, gt, c)        denom = tp + fp + fn        if denom == 0:            continue        iou = tp / denom        dice = 2 * tp / (2 * tp + fp + fn)        class_ious.append(iou)        class_dices.append(dice)        total_tp += tp        total_denom += denom        area = int((gt == c).sum())        area_sum += area        fw_iou += area * iou    miou = float(np.mean(class_ious))    micro_iou = total_tp / total_denom    fw_iou = fw_iou / area_sum    return pa, miou, class_ious, class_dices, micro_iou, fw_iou  def main():    rng = np.random.default_rng(42)    gt = np.zeros((64, 64), dtype=int)    gt[8:44, 8:44] = 1       # 房屋: 大类区域    gt[50:62, 50:62] = 2     # 小路: 小目标区域     pred = np.zeros((64, 64), dtype=int)    pred[9:45, 11:45] = 1    # 房屋略向右下偏移    pred[51:61, 51:61] = 2   # 小路略小    pred[rng.random((64, 64)) < 0.02] = 1  # 少量噪点     pa, miou, class_ious, class_dices, micro_iou, fw_iou = evaluate_segmentation(pred, gt, 3)    print("PA(像素精度)      :", round(pa, 4))    print("mIoU(类等权宏平均) :", round(miou, 4))    print("微平均IoU(像素等权):", round(micro_iou, 4))    print("FW-IoU(频率加权)  :", round(fw_iou, 4))    print("各类IoU           :", [round(v, 4) for v in class_ious])    print("各类Dice          :", [round(v, 4) for v in class_dices])  if __name__ == "__main__":    main()
目的：在一个人造的“大类房屋 + 小类小路”分割样例上，一次性算出 PA、mIoU、微平均 IoU、FW-IoU 以及逐类 IoU/Dice，演示各类指标计算全流程。
  1. def confusion_counts(pred, gt, c):针对每个类别单独拆出 TP/FP/FN 三笔账，逻辑清晰且可复用。
  2. p = (pred == c)生成“模型认为属于第 c 类”的布尔掩码，就像在地图上盖了 c 类章。
  3. tp = int(np.logical_and(p, g).sum())两个掩码同时为真的像素就是双方都盖章的重叠区。
  4. if denom == 0:类别在图中不存在时跳过，避免除零。
  5. iou = tp / denom用 TP/(TP+FP+FN) 计算单类 IoU。
  6. miou = float(np.mean(class_ious))所有类别的 IoU 一起做算术平均，得到宏平均 mIoU。
  7. micro_iou = total_tp / total_denom先把各类 TP 和分母加总再相除，得到微平均全局 IoU。
  8. fw_iou += area * iou用真值面积作为权重累加，得到频率加权 IoU。
  9. gt[50:62, 50:62] = 2构造只有 12×12≈144 像素的小目标类，模拟真实场景中的类别不平衡。

常见误区

误区这轮训练 mIoU 从 0.72 涨到 0.75，我模型肯定是全面变强了，直接上线吧。

正解mIoU 是各类 IoU 的平均，只能说明平均共识上升，无法区分“所有类都微涨”还是“一个大类猛涨、两个小类暴跌”。必须拉出逐类 IoU 条形图，像裁判看每块区域的成绩单，而不仅看总分。平均值天然会稀释异常，把每科分数摆在桌面上才能看清真相。

为何常见：人脑习惯用一个数字概括性能，平均值最容易获取，忽略了平均背后的分布信息。

误区PA 都 99% 了，分割肯定没问题，谁还看 mIoU？

正解PA 是像素级投票，类别像素占比天然决定话语权。如果背景占 95%，模型把所有目标都漏掉，PA 依然高得吓人。mIoU 把每类等权，能暴露小类失效。评估时 PA 只能当参考，主指标请认准 mIoU。

为何常见：PA 数字好看又直观，直觉上"99%"就是好，忽略了类别不平衡的放大效应。

误区有的论文报 Dice，有的报 IoU，根本不是一回事，没法互相比较。

正解两者有严格换算关系 Dice = 2IoU/(1+IoU)，反过来 IoU = Dice/(2−Dice)。Dice 数值总是 ≥ IoU，同一结果常见 IoU=0.5、Dice≈0.667。比较不同论文前，先换算到同一杆秤上，避免被大数字误导。

为何常见：两个公式外形差异很大，初学者容易当作两套互不相干的评价体系。

误区mIoU 名字里带“平均”，应该是把所有像素混在一起算的吧，像素多的类自然影响大。

正解标准 mIoU 是宏平均：每类先算 IoU，再对类别取算术平均，大类小类票数相同。把所有像素混算的是微平均/全局 IoU，两者在不平衡时差异很大。mIoU 其实比 PA 更擅长暴露小类问题，这点恰恰是它的优点而非缺陷。

为何常见：“平均”一词有歧义，很多人默认是像素级平均，混淆了宏平均与微平均两种统计口径。

面试题

Q1. 在语义分割评估中，某一类别的 IoU 分子是什么？

单选题 · easy

  • A.预测为该类的像素个数
  • B.真值为该类的像素个数
  • C.预测与真值重合的像素数← 正确答案
  • D.预测与真值不重合的像素数

答案：C。IoU 的分子是预测与真值重叠的部分（TP），即双方都确认的区域。A、B 都只是单方面面积，没有重叠就没有交集；D 是错误预测或漏检的区域，属于并集的一部分，绝不可能是分子。

Q2. 某类 TP=40、FP=10、FN=20，其 IoU 约为多少？

单选题 · easy

  • A.0.400
  • B.0.571← 正确答案
  • C.0.667
  • D.0.800

答案：B。IoU=TP/(TP+FP+FN)=40/(40+10+20)=40/70≈0.571。0.667 是把分母误算成 TP+FP 的陷阱；0.800 是用 TP/(TP+FP) 的错误算法；0.400 是直接用 TP 除以 100 的粗心结果。

Q3. mIoU 的正确含义是什么？

单选题 · easy

  • A.各类别 IoU 的算术平均← 正确答案
  • B.所有像素的整体正确率
  • C.所有类别中最大的 IoU
  • D.逐像素加总的全局交并比

答案：A。mIoU 是各类别 IoU 的算术平均，即宏平均，所有类别等权。B 是 PA 的定义；C 是最大类 IoU；D 是微平均全局 IoU，都不是 mIoU。

Q4. 当“道路”只占全图 5% 且被模型全部预测错时，哪个说法正确？

单选题 · mid

  • A.PA 会因为道路全错而大幅降低
  • B.PA 可能仍很高，掩盖道路类失败← 正确答案
  • C.mIoU 天然对道路类不敏感
  • D.Dice 与 IoU 在此情况下相等

答案：B。道路占 5% 且全错时，PA 因像素加权仍可能高达 95%，小类失败被掩盖；mIoU 对类别等权会如实扣分。A 与事实相反；C 错误，mIoU 反而对小类敏感；D 只在极个别特殊情况下成立，并非普遍规律。

Q5. 已知某类的 IoU=0.5，则 Dice 系数的值为多少？

单选题 · mid

  • A.0.333
  • B.0.500
  • C.0.667← 正确答案
  • D.1.000

答案：C。换算公式 Dice=2×IoU/(1+IoU)，代入 IoU=0.5 得 2×0.5/1.5≈0.667。0.333 是把公式记成 IoU/(1+IoU)；0.500 是直接把 IoU 当 Dice；1.000 是无依据的极端值。

Q6. 关于宏平均与微平均，正确的说法有哪些？

多选题 · mid

  • A.宏平均给每个类别相同的权重← 正确答案
  • B.微平均按像素数量天然加权← 正确答案
  • C.类别像素分布均匀时二者接近← 正确答案
  • D.微平均数值一定大于宏平均

答案：ABC。宏平均一类一票（A 对）；微平均一像素一票（B 对）；类别分布均匀时两种投票结果接近（C 对）。D 无根据，微平均可能大于也可能小于宏平均，取决于小类表现好坏。

Q7. PA 与 mIoU 在类别不平衡下对错误的敏感程度如何？

单选题 · mid

  • A.PA 更能暴露小类别的错误
  • B.mIoU 更能暴露小类别的错误← 正确答案
  • C.两者对错误的敏感度完全相同
  • D.mIoU 的数值由 PA 唯一决定

答案：B。mIoU 对每类等权，小类失败会在平均分中如实显现；PA 按像素加权，小类像素少、翻车也扣不了几分。A 说反了；C 两指标定义完全不同；D 中 mIoU 由各类 TP/FP/FN 决定，不受 PA 支配。

Q8. 数据含三类，像素占比 90%、9%、1%，三类 IoU 为 0.9、0.5、0.1，则微平均最可能的表现是？

单选题 · hard

  • A.更接近 0.9 的大类表现← 正确答案
  • B.更接近 0.1 的小类表现
  • C.一定等于 0.5 的宏平均
  • D.一定小于任何单类 IoU

答案：A。微平均把像素加总后计算，90% 像素的大类拥有九成话语权，结果最接近 0.9。B 是像素等权不会出现的现象；C 混淆宏平均与微平均；D 无理论依据。两者差距大本身就是类别不平衡的警报。

Q9. 小目标场景中，关于 mIoU 评估的正确认识有哪些？

多选题 · hard

  • A.小目标像素少，对全局 PA 影响很小← 正确答案
  • B.逐类 IoU 可以单独审视小类表现← 正确答案
  • C.宏平均 mIoU 会自动忽略小类
  • D.需要结合 Dice 等指标综合评估← 正确答案

答案：ABD。小目标像素少，对全局 PA 几乎没影响（A 对）；逐类 IoU 能把小类单独拉出来看（B 对）；Dice 对小目标更友好，作为补充合理（D 对）。C 错误，宏平均 mIoU 给小类同等票权，不会自动忽略小类。

Q10. 频率加权 IoU（FW-IoU）中的权重来自哪里？

单选题 · extreme

  • A.各类别 IoU 的倒数之和
  • B.各类别对应的像素数量← 正确答案
  • C.各类别的语义类别总数
  • D.预测结果的总像素数量

答案：B。FW-IoU 的权重是各类真值像素数量 t_i，先乘后加再归一化，相当于把类 IoU 按实际像素占比加权。A 是倒数加权，C 是类别数，D 是预测像素总数，都不符合定义。