pytorch语义分割计算mIoU

版本：python3
pred为模型预测的label，像素0表示背景，像素1表示类别1，像素2表示类别2，以此类推。
target为groundtruth，这里读入格式为PIL image，格式不一样的请自行修改
这里的n_classes是目标物类别数。比如，对于只有背景和一个检测物类别的二分类问题，n_classes=1
因为pythonfor循环的range(a,b)，范围其实为[a,b)，所以循环终点为n_classes+1

import numpy as np
import torch

def iou_mean(pred, target, n_classes = 1):
#n_classes ：the number of classes in your dataset,not including background
# for mask and ground-truth label, not probability map
  ious = []
  iousSum = 0
  pred = torch.from_numpy(pred