深度学习图像分割有哪些评价指标？可以绘制哪些曲线？

深度学习图像分割的评价指标主要有以下几种：

1. Pixel Accuracy：这个指标计算的是预测的分割和实际的分割之间的像素级别的匹配程度。
2. Mean Accuracy：这个指标是在所有类别上计算平均像素准确度。
3. Frequency Weighted Accuracy：这个指标给每个类别赋予一个权重，然后计算加权的平均像素准确度。
4. Mean Intersection over Union (mIoU)：这个指标计算的是预测的分割和实际的分割之间的交集和并集的比值。
5. Weighted Intersection over Union (wIoU)：这个指标也是计算交集和并集的比值，但是它给每个类别赋予一个权重。
6. Jaccard Index (JI)：这个指标计算的是预测的分割和实际的分割之间的交集和并集的比值。
7. Dice Coefficient (DC)：这个指标计算的是预测的分割和实际的分割之间的相似度。

在深度学习图像分割中，通常会绘制以下几种曲线：

1. Learning Curve：这个曲线显示了随着训练数据量的增加，模型的性能如何变化。
2. ROC Curve：这个曲线显示了随着阈值的改变，假正类率和真正类率的变化。
3. PR Curve：这个曲线显示了随着阈值的改变，精确率和召回率的变化。
4. Learning Rate Curve：这个曲线显示了随着学习率的改变，模型的性能如何变化。
5. Validation Curve：这个曲线显示了随着正则化强度的改变，模型的性能如何变化。
6. Convergence Curve：这个曲线显示了随着训练步数的增加，模型的损失如何变化。