在深度學(xué)習(xí)領(lǐng)域，通過以精度、召回率、平均精度均值（Mean Average Precision，mAP）和FPS等指標(biāo)評價目標(biāo)檢測算法的有效性，在圖像分割中則主要采用平均像素準(zhǔn)確率、平均交并比等指標(biāo)評價。

在工業(yè)質(zhì)檢領(lǐng)域的評價指標(biāo)與深度學(xué)習(xí)領(lǐng)域類似，只是表述方式有所不同，一般使用漏檢率、誤檢率和準(zhǔn)確率等。

根據(jù)被檢測工件的真實情況（OK*和NG*）和檢測結(jié)果（OK和NG）的不同，可以將缺陷識別的結(jié)果分為4種情況，如下表所示。

TP、FP、FN和TN的含義為：

TP（True Positive）：被檢測工件為OK，檢測結(jié)果為OK，正確檢出。

FP（False Positive）：被檢測工件為NG，檢測結(jié)果為OK，漏檢。

FN（False Negative）：被檢測工件為OK，檢測結(jié)果為NG，誤檢。

TN（True Negative）：被檢測工件為NG，檢測結(jié)果為NG，正確檢出。

下面分別分別介紹工業(yè)質(zhì)檢、目標(biāo)檢測和語義分割中的性能指標(biāo)。

1. 工業(yè)質(zhì)檢中的性能指標(biāo)

漏檢率、誤檢率、準(zhǔn)確率和錯誤率的含義和計算方式為：

（1）漏檢率

漏檢率指的是在檢測中未發(fā)現(xiàn)的不合格品數(shù)量占實際不合格品數(shù)量的百分比。漏檢會直接導(dǎo)致不良產(chǎn)品流向終端客戶，因此是工業(yè)表面缺陷檢測中格外關(guān)注的指標(biāo)。漏檢率的計算公式為：

（2）誤檢率

誤檢率指的是將合格品檢測為不合格品的數(shù)量占實際合格品數(shù)量的百分比。誤檢會直接對工業(yè)企業(yè)的良品率造成負(fù)面影響，會導(dǎo)致物料的浪費。誤檢率的計算公式為：

（3）準(zhǔn)確率

準(zhǔn)確率指的是檢測中正確檢出的數(shù)量占檢測總數(shù)的百分比。準(zhǔn)確率是衡量檢測系統(tǒng)性能的重要參數(shù)，其計算公式為：

2．目標(biāo)檢測中的性能指標(biāo)

在目標(biāo)檢測中，通常采用FPS和mAP兩個指標(biāo)來分別評估識別系統(tǒng)的識別速度和精度。前者的計算方式較為簡單，通過計算系統(tǒng)每秒內(nèi)能夠處理的圖像數(shù)量即可求出FPS值。計算mAP值涉及到IoU、精度（Precision）和召回率（Recall）和平均精度（Average Precision，AP）等內(nèi)容。

（1）IoU

缺陷識別問題的任務(wù)除了要判斷出表面是否存在缺陷，還需識別出缺陷的種類，并以矩形框的方式定位缺陷的位置。如圖下所示，識別系統(tǒng)預(yù)測的矩形框無法與人工貼標(biāo)的Ground True標(biāo)定框完全一致。因此在目標(biāo)識別中引入交并比（Intersection over Union， IoU）的來衡量位置判斷是否準(zhǔn)確。圖中藍色框表示預(yù)測的缺陷位置，綠色框表示Ground True標(biāo)定的缺陷位置。

預(yù)測框與Ground True框

IoU的計算方式如下面的公式所示，即預(yù)測框與真實框交集區(qū)域和并集區(qū)域的比值大小。當(dāng)IoU=0時表示兩塊區(qū)域完全不重疊，IoU=1時表示完全重疊。

在目標(biāo)檢測任務(wù)中，如果模型的預(yù)測輸出矩形框與人工標(biāo)注的Ground True標(biāo)定框的IoU值大于某一閾值時，即認(rèn)為模型的預(yù)測是準(zhǔn)確的。遵照慣例，IoU通常取值為0.5。

（2）精度和召回率

精度和召回率可由下面兩個公式表示，精度用于反映檢測結(jié)果中命中率的高低，召回率反映了某類目標(biāo)的檢測覆蓋率的高低。

評估模型有效性時需同時檢測精度和召回率兩個指標(biāo)。但這兩個指標(biāo)存在負(fù)相關(guān)現(xiàn)象，提高精度往往會導(dǎo)致召回率的降低，反之亦然。因此一般引入兼顧精度和召回率的平均精度來評估模型的效果。

（3）平均精度

目標(biāo)檢測任務(wù)中使用置信度來評估當(dāng)前矩形框內(nèi)為某種物體的概率。置信度的取值為0到1之間。當(dāng)置信度為1時表示有最大可能性認(rèn)為矩形框內(nèi)的物體為某一類別，當(dāng)置信度為0時表示有最小可能性。

在計算AP的值時，需要繪制Precision-Recall曲線，計算曲線下方的面積即為AP值。首先按照模型給出的置信度由高到低對預(yù)測框進行排序，排序后獲得一組包含精度、召回率值的有序數(shù)組。將該數(shù)組繪制成以召回率為橫坐標(biāo)，精度為縱坐標(biāo)的曲線。隨著召回率的增大，精度的值呈振蕩減小趨勢。為去除振蕩的影響，在實際應(yīng)用中需要對曲線進行平滑處理，曲線中精度值取該點右側(cè)（召回率大于或等于當(dāng)前點召回率所對應(yīng)的精度）最大的精度值。經(jīng)過曲線平滑后，平均精度AP的值由如下公式計算：

平均精度均值mAP為所有類別的AP的平均值：

式中， n表示缺陷的類別數(shù)， APi為每一類缺陷的平均精度。當(dāng) n=1時，mAP=APi。

3．語義分割中的性能指標(biāo)

圖像語義分割的性能主要通過像素準(zhǔn)確率（Pixel Accuracy，PA）、平均像素準(zhǔn)確率（Mean Pixel Accuracy，MPA）和平均IoU（Mean Intersection over Union，MIoU）三個指標(biāo)來衡量。

（1）像素準(zhǔn)確率（Pixel Accuracy，PA）

像素準(zhǔn)確率指正確分類的像素量占總圖片像素量的比值，由如下公式計算：

式中，k表示類別數(shù)量，Pii 為實際類別為 i 的像素分預(yù)測為類別 i 的總數(shù)量，Pij 為實際類別為i 的像素被預(yù)測為類別 j 的總數(shù)量。

（2）平均像素準(zhǔn)確率（Mean Pixel Accuracy，MPA）

平均像素準(zhǔn)確率是對像素準(zhǔn)確率的改進，它是先對每個類計算像素準(zhǔn)確率，然后再對所有類的像素準(zhǔn)確率求平均，由如下公式計算：

（3）平均IoU（Mean Intersection over Union，MIoU）

平均IoU分別對每個類計算交并比，然后再對所有類別的交并比求均值。平均IoU由如下公式計算：

以上就是深度學(xué)習(xí)與缺陷檢測中常用的性能指標(biāo)及計算方法，目標(biāo)檢測和語義分割的資料比較多，但是對于工業(yè)實際應(yīng)用的漏檢率、漏檢率和準(zhǔn)確率等指標(biāo)的介紹內(nèi)容比較少，而且計算方式有時會根據(jù)實際情況做細(xì)微的調(diào)整。