弱监督语义分割代码最终输出的是什么

    gtj = confusion.sum(axis=1)
    resj = confusion.sum(axis=0)
    gtjresj = np.diag(confusion)
    denominator = gtj + resj - gtjresj
    fp = 1. - gtj / denominator
    fn = 1. - resj / denominator
    iou = gtjresj / denominator
    print("total images", n_img)
    print(fp[0], fn[0])
    print(np.mean(fp[1:]), np.mean(fn[1:]))

输出结果分别对应

平均假阳性率（mean false positive
rate）是指在多个类别中，被错误地预测为正类的样本所占的比例的平均值。在这里，np.mean(fp[1:])表示除了第一个类别（背景）之外的所有类别的平均假阳性率。

平均假阴性率（mean false negative
rate）是指在多个类别中，被错误地预测为负类的样本所占的比例的平均值。在这里，np.mean(fn[1:])表示除了第一个类别之外的所有类别的平均假阴性率。