学习小记：语义分割模型训练后的测试及miou值的求取（python）

小白学习语义分割，记录一下，方便以后查阅。
借鉴了这个链接里面的deepla b-mobilenet模型：
https://github.com/bubbliiiing/Semantic-Segmentation
求miou主要借鉴这个链接：
https://blog.youkuaiyun.com/weixin_42750737/article/details/88886242
将miou的求解结合到了第一个链接里面的predict中，用于评估语义分割的模型。

from nets.deeplab import Deeplabv3
from PIL import Image
import numpy as np
import random
import copy
import os
import time
s=time.time()
#标签颜色
class_colors = [[0,0,0],[255, 0, 0],[255, 255, 0],
        [0, 255, 0],
        [0,255,255],
        [148,0,211],
        [255,140,0],
        [83,83,0]]
NCLASSES = 8
HEIGHT = 513
WIDTH = 513
model =  Deeplabv3(classes=NCLASSES,input_shape=(HEIGHT,WIDTH,3))
model.load_weights("./dataset2/last1.h5")
imgs = os.listdir("./dataset2/test_jpg") #原图文件
labels="./dataset2/test_png/"  #标签文件
txt=open("./miou.txt",'r+')
def fast_hist(label,prediction,n):
    #去掉忽略类，有的说去掉了背景，我认为没有去掉，背景设置的类为0
    k = (label >= 0) & (label