如何计算基于bound box的分割模型准确率？总样本数取值疑问

首先得明确：在你这个用bound box评估分割模型的场景里，总样本数就是每张图像对应的 TP + FP + TN + FN 的总和——也就是所有被纳入评估的样本单位（不管是正样本还是负样本）的总数，原因如下：

核心逻辑拆解 #

准确率公式 accuracy = (TP+TN)/(TP+FP+FN+TN) 的本质是「正确分类的样本数 ÷ 所有参与分类评估的样本总数」，这里的每个TP/FP/TN/FN都对应一个独立的样本单位：

• TP：模型正确预测的正样本（比如匹配上真实标注的目标bound box）
• FP：模型误判为正的负样本（比如无中生有的预测框）
• TN：模型正确判定为负的样本（比如没有预测框、且确实无目标的区域/实例）
• FN：模型漏判的正样本（比如真实存在的目标框没被检测到）

这四个值的和，就是单张图里所有参与评估的样本总数；把10张图的这个数值相加，就是整体评估的总样本数。

结合你的表格计算示例 #

先给你算一遍单图和整体的总样本数：

• 单图总样本数：每张图的 TP+FP+TN+FN，比如第1张图是 4+0+0+0=4，第2张图是 6+1+1+0=8，以此类推
• 整体总样本数：把10张图的单图总样本数相加，结果是 4+8+5+3+5+4+4+1+6+6=46

再对应计算整体准确率：
总TP = 4+6+2+1+5+3+0+1+3+4 = 29
总TN = 0+1+0+1+0+0+1+0+1+1 = 5
整体准确率 = (29+5)/46 ≈ 73.91%

额外注意点 #

从你的TN数值来看，你应该是把「明确的负样本实例」（而非像素级的背景区域）作为TN统计的——这在bound box评估里是合理的，但要注意和像素级分割评估的区别：如果是像素级统计，TN会是背景中被正确分类的像素数，数值会大很多。只要你保持所有样本单位的定义一致（比如都是以「单个bound box/目标实例」为样本单位），总样本数取四个值的和就完全没问题。

内容的提问来源于stack exchange，提问作者N.white