如何获得语义分割问题在测试集上的准确性

Question

我放弃了Implementation of deep learning framework -- Unet, using Keras中的代码，并且使用了自己的带有真实标签的数据 我的预测是针对公路和非公路课程prediction的灰度图像 我的问题是，如果图像是从图像生成器生成的，如何获得测试集的准确性

def testGenerator(test_path,num_image = 30,target_size = (256,256),flag_multi_class = False,as_gray = True):
    for i in range(num_image):
        img = io.imread(os.path.join(test_path,"%d.png"%i),as_gray = as_gray)
        img = img / 255
        img = trans.resize(img,target_size)
        img = np.reshape(img,img.shape+(1,)) if (not flag_multi_class) else img
        img = np.reshape(img,(1,)+img.shape)
        yield img

在这种情况下，如何生成真实标签以获取准确性并绘制混淆矩阵 抱歉，如果我的问题如此基础，但在深度学习领域还是新问题 任何种类的代码或链接都有相同的问题，将不胜感激 预先谢谢