深層学習は、特にコンピュータビジョンとセマンティックセグメンテーションにおいて革命的な影響を及ぼしています。ベイジアン深層学習（BDL）は、深層モデルがセマンティッククラスを予測する際に不確実性マップを得るための手法として使用されています。この情報は、自動運転などでのセマンティックセグメンテーションの利用において極めて重要です。標準的なセマンティックセグメンテーションシステムには既に確立された評価指標があります。しかし、コンピュータビジョンにおけるBDLの人気が高まるにつれて、あるBDL手法が他の手法よりも優れた不確実性推定を行うかどうかを評価する新しい指標が必要となっています。本研究では、セマンティックセグメンテーションに特化したBDLモデルを評価するために3つの新たな指標を提案します。最新の深層ニューラルネットワークの一つであるDeepLab-v3+を改変し、MCドロップアウトとConcreteドロップアウトを使用してそのベイジアン版を作成しました。これらの2つの推論技術について、提案した指標を使用して広く知られるCityscapesデータセット上で比較およびテストを行いました。我々の結果は、より安全なセマンティックセグメンテーションを目指す研究者が自らの改善した不確実性量化を比較・評価するための新たなベンチマークを提供しています。