精确率（Accuracy）可以衡量模型的整体效果，由所有预测正确的样本数量
除以总样本数量来得到。精确率可以对应语义分割评价指标中的像素精度（Pixel
Accuracy， PA）。一般地，精确率越高，意味着模型的整体性能越好。精确率的计
算公式如式 (2-1) 所示。
Accuracy =
TP + TN
TP + FN + FP + TN
(2-1)
准确率（Precision）表示在模型预测为正类的全部样本中，真实类别为正类的
样本所占的比例，也被称为查准率。准确率可以对应语义分割评价指标中的类别
像素精度（Class Pixel Accuracy， CPA）。一般地，模型准确率越高，其性能也越优
秀。准确率的计算公式如式 (2-2) 所示。
Precision =
TP
TP + FP
(2-2)
召回率（Recall）表示在真实类别为正类的全部样本中，被模型成功预测为正
类的样本所占的比例，也被称为查全率、真正率。一般地，模型的召回率越高，表
明更多的正类样本得到正确预测，因此模型的性能也越优秀。召回率的计算公式
如式 (2-3) 所示。
Recall =
TP
TP + FN
(2-3)
由于部分模型存在准确率高但召回率低或者相反的情况，为了同时兼顾准确
率和召回率，研究人员提出了 F1 值（F1-score）来作为平衡二者的综合性指标。
F1 值被定义为准确率和召回率的调和平均数，可以与语义分割评价指标中的 Dice