一、为什么需要专业评估指标？

在医疗影像分析中，一个3mm²的肿瘤漏检可能导致误诊；在自动驾驶场景下，5%的边界识别误差可能引发严重事故。这些真实案例揭示了语义分割评估指标的关键作用。本章将带您深入理解指标背后的数学原理与实践价值。

---

## 二、基础指标全解析

### 2.1 像素精度（Pixel Accuracy）的陷阱
```python
def pixel_accuracy(y_true, y_pred):
    """
    y_true: (H, W) 真实标签矩阵
    y_pred: (H, W) 预测结果矩阵
    """
    correct = np.sum(y_true == y_pred)
    total = y_true.size
    return correct / total
```
**问题分析**：在Cityscapes数据集中，道路类占比达45%，即使全预测为道路也能获得高分数。某实验显示，当类别比例为90%:10%时，Pixel Accuracy的可靠性下降63%

### 2.2 mIoU的数学本质
```python
def compute_mIoU(confusion_