机器学习算法评估指标——3D语义分割

3D语义分割是在三维点云中对每个点进行分类，属于同一类的点都要被归为一类。 例如如下场景，属于建筑的点都要分成一类，属于植物的点也要分成一类。下面重点介绍3D语义分割算法的评估指标。

PA（Point Accuracy）

• 定义：总体的分类准确度，分类正确的点数和点云总点数的比值
• 范围：0~100%
• 用途：这是最简单的度量分割准确性的方式

MPA（Mean Point Accuracy）

• 定义：平均分类准确度，计算每一类分类正确的点数和该类的所有点数的比值然后求平均
• 范围：0~100%

MIoU（Mean Intersection over Union）

• 定义：计算每一类的IoU然后求平均。一类的IoU计算方式如下：

假设P11表示本属于1类且被预测为1类的点数，X1表示本属于1类的点数，Y1表示被预测为1类的点数，
则1类的 IoU = P11 / (X1 + Y1 - P11)

• 范围：0~100%
• 用途：这是分割任务的标准度量方法，同时考虑了“漏标”和“误标”的情况。MIoU指标由于其代表性和简洁性，成为了评价分割准确性的最常用的指标。

FWIoU（Frequency Weighted Intersection over Union）

• 定义：根据每一类出现的频率对各个类的IoU进行加权求和
• 范围：0~100%
• 用途：它是对MIoU的改进，每个类的重要性取决于它们出现的频率。