目标检测类mAP等衡量指标的含义和计算方法

IoU(Intersection over Union): 预测框与ground truth的交集与并集的比值。这个量也被称为Jaccard指数。

TP(True Positive): loU>0.5的检测框数量  (同一Ground Truth只计算一次)
 

FP(False Positive): loU<=0.5的检测框  (或者是检测到同一个GT的多余检测框的数量)

GT(Ground Truth): ground truth包括图像中物体的类别以及该图像中每个物体的真实边界框。

FN(False Negative): 没有检测到的GT的数量,IoU=0

Precision: TP / (TP +FP)模型预测的所有目标中,预测正确的比例 (又称为查准率)
 

Recall: TP / (TP +FN)所有真实目标中,模型预测正确的目标比例(又称为查全率)
 

AP: AP为平均精度,使用积分来计算PR曲线与坐标轴围成的面积。

计算方式如下:

                                                   目标检测类mAP等衡量指标的含义和计算方法

 
P-R曲线: Precision-Recall曲线(即以Precision 和 recall作为纵横坐标的二维曲线。



mAP: (mean Average Precision) ,即各类别AP的平均值。AP 是计算某一类 P-R 曲线下的面积,mAP 则是计算所有类别 P-R 曲线下面积的平均值。

简而言之:AP衡量一个类别的检测效果好坏,mAP则是衡量多个类别检测效果的好坏。把所有类的AP值取相加然后除以类别总数,即可得mAP。比如有两类,类1的AP值是0.8,类2的AP值是0.4,那么mAP=(0.8 + 0.4)/ 2=1.2。
 

后续更新相应的计算代码

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
上一篇 2022年5月30日 上午11:09
下一篇 2022年5月30日 上午11:11

相关推荐

本站注重文章个人版权,不会主动收集付费或者带有商业版权的文章,如果出现侵权情况只可能是作者后期更改了版权声明,如果出现这种情况请主动联系我们,我们看到会在第一时间删除!本站专注于人工智能高质量优质文章收集,方便各位学者快速找到学习资源,本站收集的文章都会附上文章出处,如果不愿意分享到本平台,我们会第一时间删除!