对于语义分割模型来说，必须经过严格的、全面的评估才能评判其有效性，这包括模型的运行时间、内存占用和准确率三个方面。通常情况下，很难兼顾所有指标，对于实时系统可能因需要获取更高的运行速度从而牺牲部分准确率。对于精密仪器，因需要获取更高的准确率而牺牲运行时间和内存占用。

1.运行时间

对于对运行速度要求严格的系统，运行时间是十分重要的一项评价标准。在评估运行时间时，需要给出系统运行的硬件信息和基准方法的配置，使得语义分割模型具有更好的可复现性，方便后续研究者判断模型的实用性和先进性。

2.内存占用

内存占用是评价语义分割模型的另一个考量因素。一般情况下，扩充内存容量比较容易实现。但在人机交互应用中，内存并不会像高性能服务器中那样充裕，如机器人平台的板载芯片。因此，记录模型所占用的最大内存和平均内存是十分必要的。

3.准确率

准确率是评价语义分割模型精度的最重要指标。目前常用的准确率评价指标有像素级准确率（Pixel Accuracy，PA）以及交并比。设共有k+1个类别，即{L0，L1，…，Lk}，其中L0到Lk-1是前景目标类别，Lk是背景类别，pij是类别i被分类为类别j的像素数量，pii代表分类正确的像素数量。像素级准确率和交并比的定义如下。(www.daowen.com)

像素准确率是最简单的准确率指标，表示图像中分类正确的像素数量与总像素数量的比值，定义为

平均像素准确率（mean pixel accuracy，MPA）表示所有类别分类正确的像素比值的平均值，定义为

平均交并比（mean intersection over union，MIoU）表示所有类别真实像素标签图与预测像素标签图的交并比的平均值，定义为

频率加权交并比（frequency weighted intersection over union，FWIoU）是对平均交并比的改进，对于每个类别按照重要性（即出现频率）进行加权，定义为

在上述的所有指标中，平均交并比是评价语义分割模型准确率的最常用指标。