📚 课程目录第3章感知算法指标 (下)

3. 感知算法指标 (下)

好，咱们接着聊。上一节我们把检测指标聊透了，这一节我带你看看语义分割、目标跟踪和BEV感知的评估。这三个方向，说白了就是让车「看得更细」、「跟得更准」、「想得更全」。我在实际项目中踩过不少坑，今天一并倒给你。

语义分割，就是给每个像素打标签。比如路是路，车是车，人是人。评估它，核心看三个指标。

mIoU 是语义分割的黄金标准。它计算每个类别的预测区域和真实区域的交集除以并集，然后取平均。

公式很简单：

mIoU = (1/N) * Σ (TP / (TP + FP + FN))

其中 N 是类别数。TP 是正确预测的像素数，FP 是误报，FN 是漏报。

我个人习惯：看 mIoU 时，一定同时看每个类别的 IoU。有一次我模型整体 mIoU 到了 0.75，但「行人」类别的 IoU 只有 0.3。这在实际场景中是要出事的。

PA 是最直观的指标：正确分类的像素数占总像素数的比例。

PA = Σ TP / 总像素数

嗯，这里要注意：PA 容易被大类别主导。比如背景占了 90%，你全预测成背景，PA 也有 0.9。但小目标全丢了。所以 PA 只能当辅助参考。

Dice 和 IoU 很像，但更「宽容」一些。它计算两倍交集除以总像素和。

Dice = 2 * TP / (2 * TP + FP + FN)

我在项目中遇到过：医学图像分割常用 Dice，因为小目标区域占比极低，IoU 会压得太狠。Dice 对不平衡数据更友好。

避坑指南：我曾经在评估时只看了 mIoU，结果模型在夜间场景表现极差。后来我养成了习惯——按场景、按光照条件分别计算指标。你想想看，白天和晚上的分割质量能一样吗？

跟踪比检测难一个量级。你不仅要认出目标，还要给每个目标一个 ID，并且持续跟踪它。评估跟踪，我常用这三个指标。

MOTA 综合了漏检、误检和 ID 切换三种错误。

MOTA = 1 - (FN + FP + IDSW) / GT

其中 GT 是真实目标数，IDSW 是 ID 切换次数。MOTA 越高越好，但要注意它可能为负值——如果错误太多的话。

我记得有一次，模型在拥挤场景下 ID 疯狂切换，MOTA 直接掉到 0.3 以下。说白了，跟踪器完全「懵」了。

MOTP 衡量的是位置匹配的精度。它计算所有匹配的目标对之间的平均距离（比如 IoU 或中心点距离）。

MOTP = Σ 匹配距离 / 匹配总数

MOTP 越小越好。它不关心你漏了多少目标，只关心你匹配上的那些位置准不准。

IDF1 是 ID 层面的 F1 分数。它关注的是：你给每个目标分配的 ID 是否正确。

为什么需要它？因为 MOTA 对 ID 切换惩罚不够直观。IDF1 直接告诉你：你的跟踪器在「认人」这件事上做得怎么样。

我建议：三个指标一起看。MOTA 看整体，MOTP 看位置精度，IDF1 看 ID 一致性。缺一不可。

BEV（Bird's Eye View，鸟瞰图）感知，是当前自动驾驶的热点。它把感知结果投影到俯视图上，方便后续规划控制。

BEV 的评估，目前还没有统一标准。但我个人习惯用以下几类：

BEV mAP：在 BEV 空间下计算检测的 mAP。注意，这里的 IoU 阈值通常用 0.5 或 0.7，但 BEV 下的 IoU 计算方式和图像空间不同。
BEV mATE：平均平移误差。衡量预测框中心点与真实框中心点的距离。

注意：BEV 指标对坐标系非常敏感。我曾经因为坐标系转换参数写错，导致 BEV mAP 虚高 20 个点。排查了三天才发现是外参标定出了问题。所以，评估前一定先可视化看看投影结果对不对。

下面这张图，帮你理清本章的核心逻辑：

好了，这一节的内容就到这。语义分割、目标跟踪、BEV感知，每个方向都有自己的一套评估体系。别指望一个指标打天下，多维度联合评估才是正道。