目标检测——评价指标mAP
mAP,不认识英文单词的可以看一哈:
P:Precision,精度
AP:Average Precision,平均精度
mAP:mean Average Precision,平均精度均值
开个玩笑,下面就进行具体介绍一下,Show Time~
一、TP、TN、FP、FN
前情提要:
IoU:intersection over union,交并比,计算方法也是字面意思。“交”——预测框和ground-truth的交集,也就是二者的重叠区域。“并”——预测框和ground-truth的并集,也就是二者所包含的总和区域。而 IoU 交并比,指的就是“交”与“并”的比,也就是 重叠区域 和 总和区域 的 比值。
IoUthreshold:设置的IoU阈值。
正式开始:
TP:True Positives,指的是被分配为正样本,而且分配对了的样本,代表的是被正确分类的正样本,IoU > IoUthreshold 的检测框数量(同一Ground Truth只计算一次)。
TN:True Negatives,指的是被分配为负样本,而且分配对了的样本,代表的是被正确分类的负样本,在mAP评价指标中不会使用到。
FP:False Positives,指的是被分配为正样本,但分配错了的样本,代表的是被错误分类的负样本,IoU <= IoUthreshold 的检测框,或者是检测到同一个GT的多余检测框的数量。
FN:False Negatives,指的是被分配为负样本,但分配错了的样本,代表的是被错误分类的正样本,没有检测到的GT的数量。
便于记忆:True、False指的是分配对、错;Positive、Negative指的是将样本分配为正样本、负样本。
混淆矩阵:Confusion Matrix,将TP、TN、FP、FN这四个指标一起呈现在表格中,就能得到如下这样一个矩阵,我们称它为混淆矩阵。
混淆矩阵 | 正负 | ||
Positive | Negative | ||
对错 | True | TP | TN |
False | FP | FN |
二、Precision、Recall
Precision:准确率,又叫查准率,Precision=TP/(TP+FP)=TP/预测框总数,指在所有确实为正的样本中,被预测为正样本的占比。
Recall:召回率,又叫查全率,Recall=TP/(TP+FN)=TP/GT框数量,指在所有被预测为正的样本中,确实是正样本的占比。
PR曲线:Precision-Recall曲线,以Precision为横坐标,Recall为纵坐标,即可得到PR曲线。
三、mAP(mean Average Precision)
使用mAP综合衡量检测效果,单看Precision和Recall是不行的,因为Precision和Recall是成反比的关系,所以使用AP来作为一个均衡的评价指标。
AP:Average Precision,平均精度,对于目标检测的任务,每一个类都可以计算出其Precision和Recall,通过合理的计算,每个类都可以得到一条PR曲线,曲线下的面积就是AP的值,用来衡量对一个类检测的好坏。
mAP:mean Average Precision, 即所有类别AP的平均值,衡量多类别目标检测的好坏。
四、PASCAL VOC、MS COCO
不同的数据集/竞赛可能有不同的评估指标,最常用的是PASCAL VOC和MS COCO。
PASCAL VOC:
1、要计算mAP必须先绘出各类别PR曲线,计算出AP。而如何采样PR曲线,VOC采用过两种不同方法。
(1)在VOC2010以前,例如VOC2007,选取当Recall >= 0, [0.1, 0.2, …, 1],共11个点时的Precision最大值,然后AP就是这11个Precision的平均值。
(2)在VOC2010及以后,例如VOC2012,针对每一个不同的Recall值(包括0和1),选取其大于等于这些Recall值时的Precision最大值,然后计算PR曲线下面积作为AP值,即PR曲线下的面积(AUC)。
2、mAP就是计算完每个类的AP值之后,求平均即可。
COCO:
在VOC中,IoU的阈值固定为0.5。而在COCO中,是指定一个阈值范围[.5:.05:.95],即从 0.5 到 0.95 逐步递增 0.05 共10个IoU阈值,它计算这个范围中每个IoU阈值的mAP,然后再求平均得到最终的mAP,实际上是mmAP。(注:在COCO中这个最终的mAP也可简写为AP)
另外,与VOC不同的是,COCO中使用101点法(Recall范围[0:.01:1] )来计算AP。
AP50:即IOU阈值为0.5时的mAP。
目标检测——评价指标mAP相关推荐
- 目标检测评价指标mAP
目标检测评价指标 mAP是目标检测中常用的评价指标之一,在论文中可以经常看到.全称是mean average precision (mAP)即各个类别AP的平均值.常用的评测指标有: mAP: mea ...
- map评价吗 voc数据集可以用coco_目标检测评价指标(mAP)
常见指标 precision 预测出的所有目标中正确的比例 (true positives / true positives + false positives). recall 被正确定位识别的目标 ...
- 目标检测评价指标mAP计算
有3张图如下,要求算法找出face.蓝色框代表标签label,绿色框代表算法给出的结果pre,旁边的红色小字代表置信度. 设定第一张图的预测框叫pre1,第一张的真实框叫label1.第二张.第三张同 ...
- Python 深度学习目标检测评价指标 :mAP、Precision、Recall、AP、IOU等
目标检测评价指标: 准确率 (Accuracy),混淆矩阵 (Confusion Matrix),精确率(Precision),召回率(Recall),平均正确率(AP),mean Average P ...
- 信度和效度经典例子_浅析经典目标检测评价指标--mmAP(一)
大家好,我是旷视科技南京研究院研究员赵博睿,主要研究领域为目标检测.今天和大家聊聊mmAP的那些事- 目标检测是计算机视觉领域的一项基础问题,在许多智能场景的落地应用中目标检测通常都是视觉感知的第一步 ...
- 目标检测评价指标(一文看懂)
目标检测评价指标之--Precision,Recall,IOU,AP,mAP 看了一些介绍目标检测评价指标的文章,在此做一个小总结,供大家参考. 文章目录 目标检测评价指标之--Precision ...
- 目标检测评价指标合集
目标检测评价指标 混淆矩阵(confusion matrix)可谓是贯穿了整个目标检测评价体系,衍生了一系列的目标检测评价指标,如精确率(precision),准确率(accuracy),召回率(re ...
- 【目标检测评价指标】
目标检测评价指标 1.正例和负例的定义 2.混淆矩阵(Confusion Matrix) 3.PR曲线 4.F1 score 参考资料: https://github.com/rafaelpadill ...
- 目标检测系列1—目标检测评价指标IOU
目标检测评价指标IOU 什么是IOU IOU的特点 全部实现 什么是IOU 神经网络的应用还有许多,目标检测就是其中之一,目标检测中有一个很重要的概念便是IOU. IOU是一种评价目标检测器的一种指标 ...
最新文章
- iOS调用系统相机文字改为中文
- 软件测试技术篇:UI自动化到底是难是易?
- SQLServer学习笔记系列6
- C#中使用Process调取Windows中的进程(应用程序)
- @PathVariable详解
- FZU 2150 Fire Game bfs
- 搞懂DEtection TRanformer(DETR)
- 导入android工程@Override报错
- atiitt it学科体系化 体系树与知识点概念大总结.xlsx
- CRC校验工具----CRC8校验 (x8+x2+x+1)
- 使用python爬取链家上海二手房信息的案例
- CentOS7安装Hadoop-3.3.0集群
- Python编写后门程序
- python读取odb_python - 从.odb文件中提取von mises应力值 - 堆栈内存溢出
- 史上最“奇葩”相亲男惊呆网友:你那么普通,却那么自信
- 关于华硕主板的图像输出设置
- 画彩色斐波那契螺旋线
- PS快速选择照片背景
- LocalDateTime生成当天、当月起止时间的时间戳
- 如何挑选视频会议摄像头?
热门文章
- js实现简易关注按钮点击事件
- 设计模式-责任链(职责链)模式及责任链设计模式的应用
- 淘品优选积分商城电商平台有哪些功能?
- Fiddler三小时搞定超详细教程
- 国内最容易拍出美照的9个地方,喜欢拍照的人必去!
- 国内外教育技术相关网站
- 反汇编吸星大法-IDA神器特殊之处
- java阻止gsea,手把手教你如何使用GSEA
- MySQL主从异常Coordinator stopped because there were error(s) in the worker(s). The most recent failur
- 利用ffmpeg进行音频转码