（深度学习）类别不平衡数据集中IOU和mIOU的选择

        测试集上的mIOU很高，但是实际的分割结果很差，几乎没有分割出前景，主要是因为要分割的目标占总面积之比太少，即出现样本不均衡的问题。

        此时，前景所占的比例太小，背景所占的比例太大，前景背景占比严重失衡。背景的IOU大大提高了mIOU，导致mIOU不再靠谱，更重要的是前景的IOU

Reference：

1. 详解计算miou的代码以及混淆矩阵的意义
2. 为什么顶会顶刊的医学图像分割评估指标大多选择iou，而不选择hausdorff距离？ - 知乎
3. 在语义分割中miou靠谱吗？ - 知乎