aAcc / pAcc (전체 정확도, Global Accuracy):
- 전체 이미지의 모든 픽셀 중 올바르게 분류된 픽셀의 비율을 나타냄.
- 즉, 클래스의 픽셀 수에 관계없이 전체 픽셀 단위로 평가
mAcc (클래스별 평균 정확도, Mean Accuracy):
- 각 클래스별로 올바르게 분류된 픽셀의 비율을 계산하여 평균을 구함
- 따라서 각 클래스의 성능을 개별적으로 평가하여, 픽셀 수가 적은 클래스도 공평하게 반영함
이 차이 때문에 클래스 간 픽셀 수의 불균형이 있을 경우 aAcc는 주로 픽셀 수가 많은 클래스에 의해 높게 나타날 수 있고, mAcc는 모든 클래스를 균등하게 고려하므로 상대적으로 낮게 나타날 수 있음
예를 들어 아래와 같은 결과가 나왔을 때,
aAcc: 45.49 mIoU: 24.48 mAcc: 46.05
결과에서 mAcc(46.05)가 aAcc(45.49)보다 약간 높은 것으로 보아, 빈도가 낮은 클래스에서의 성능이 상대적으로 좋았을 가능성이 있음
참고로 mIoU(mean Intersection over Union)는 각 클래스별 IoU의 평균으로, 세그멘테이션 모델 평가에 가장 널리 사용되는 지표
