以上就是图像分割的所有进展，凡是有过尝试的人都会承认，即使人类也很难从目前图像分割的结果中提取出形状和结构特征。不禁要问，在没有识别出目标的情况下，到底能够分割到什么程度？目前图像分割算法是否还能继续提升？就我个人的感觉，目前的进展还未达到图像分割的极限，虽然不可能达到人类的水平，但是仍然有很大的提升空间。关键的问题是朝着什么方向去提升，也就是应该用什么指标来评价图像分割能力的提升？
目前图像分割算法的评价指标都是基于IOU的，IOU直接强调的是面积，而面积对于图斑来说是区分度非常差的特征。对于很多形状复杂的自然目标来说，IOU大但是形状和结构则相去甚远，因此基于IOU的评价指标对于强调形状和结构没有任何价值。但是目前并没有形状和结构特征的描述方法，仿佛陷入了进退两难的境地。其实不难看出，如果边界是准确的，那么将准确的边界连接起来就能形成准确的分割。边界的少量错位是在所难免的，因此在评价边界的准确性时需要允许一定程度的错位。但是若果边界有缺失，则无论如何也无法恢复形状和结构了。至此，分割算法的一项评价指标就呼之欲出了——边界缺失率。与之对应的另一项评价指标则是——边界冗余率。