1 基本概念

1.1 IOU(Intersection over Union)

交集除以并集，这样可以更好的表示两个框的重合程度

1.2 TP TN FP FN

TP(Truth Positive)：预测对的正类，我说他对，而且他本来也是对的
TN(Truth Negative)：预测对的负类，我说他错，而且他本来也是错的
FP(False Positive)：预测错的正类，我说他对，但是他错了
FN(False Negative)：预测错的负类，我说他对，但是他是对的

总结：猜对就是T，猜错就是F，猜是啥看PN

2. 各种率

Accuracy：这个可以翻译成准确率，就是对于就是(TP+TN)/(P+N)(TP+TN)/(P+N)(TP+TN)/(P+N)，这个指标在样本比例差异较大时，容易失效，因为只要将全部预测成比例多的那种即可得到很高的准确率
Precision：这个有翻译成精确率，不过我觉得翻译成查准率更合适，预测的正类中对了几个TP/(TP+FP)TP/(TP+FP)TP/(TP+FP)，你猜的全部正类中，查得多对
Recall：这个有的翻译成召回率，不过有的翻译成查全率，全部正类中你猜对了几个TP/(TP+FN)TP/(TP+FN)TP/(TP+FN)，理解成正类中召回了多少，查得多全
F1 SCORE:查全率和查准率的调和平均，1/F1=1/2∗(1/P+1/R)1/F_1 = 1/2*(1/P+1/R)1/F1=1/2∗(1/P+1/R)，综合考虑两个指标，并且受小的影响比较大

2.1 根据IOU计算Precision、Recall

在利用IOU计算PR需要给定预测框的置信度阈值，然后根据IOU是否大于0.5来确定是TP还是FP【如果在一个groundtruth附近预测多个相同的框，有助于准确率！！】，
以下图为例子，绿色是预测的，蓝色为ground truth，图中的红色的数字代表置信度，
例如我们阈值取0.8，则不用考虑置信度在0.8以下的【注意区别置信度和IOU】

第一个预测框的置信度0.9，考虑，IOU>0.5是TP
第二个预测框的置信度0.8，考虑，IOU<0.5是FP
第三个预测框的置信度0.7，不考虑
Precision=TP/(TP+FP)=1/2Precision=TP/(TP+FP)=1/2Precision=TP/(TP+FP)=1/2
Recall=TP/(groundtruth的数目)=1/3Recall=TP/(ground truth的数目)=1/3Recall=TP/(groundtruth的数目)=1/3

图片来源：https://blog.csdn.net/hsqyc/article/details/81702437?spm=1001.2014.3001.5502

3. PR曲线

PR就是选择不同的置信度阈值，得到的不同组合的P,R，以R为横坐标，P为纵坐标绘制而成【ROC曲线还没有了解，参考的博客说PR曲线能在正负样本比例相差较大的情况下反应分类器的性能】

图片来源：https://blog.csdn.net/weixin_31866177/article/details/88776718

4. mAP的计算

4.1 AP的计算

AP是指PR曲线与坐标轴所夹的面积，有不同的计算方式，一般采用整数逼近的方法，划分的间隔决定了精度，连续计算相当于积分，比较难。
下面这种就是稍微粗糙点，我们可以划分得细腻一点。

4.2 mAP

就是对不同类别的AP取平均。

4.3 mAP@0.5和mAP@0.5:0.95

mAP@0.5就是计算IOU=0.5的PR曲线与坐标轴所包围的面积
mAP@0.5：0.95就是在不同IoU（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95）上的平均mAP。

参考链接：
[1]:主要参考教程
[2]:mAP0.5与mAP[0.5:0.95]的区别
[3]:PRC曲线
[4]某个代码对mAP计算的讨论

目标检测的评价指标P,R,mAP相关推荐

目标检测重要评价指标——mAP的含义及计算
目标检测常见评价指标 1. 公开数据集评价标准:pascal voc, coco,目前基本都在使用coco数据集. 2.评价指标 mAP: mean Average Precision, 即所有类别 ...
Detection：目标检测常用评价指标的学习总结（IoU、TP、FP、TN、FN、Precision、Recall、F1-score、P-R曲线、AP、mAP、 ROC曲线、TPR、FPR和AUC）
目录前言 1. IoU 2. TP.FP.TN.FN 2.1 混淆矩阵 2.2 TP.FP.TN.FN的定义 2.3 TP.FP.TN.FN在目标检测中的对应内容 2.3.1 TP,FP在目标检测中 ...
错误类型、混淆矩阵及目标检测常用评价指标
目标检测常用评价指标本文主要参考陈恺大佬在B站商汤账号的介绍mmdetection的视频. 检测结果的正确/错误类型真阳性(Ture Positive):算法检测到了某类物体(Positive), ...
【目标检测】目标检测的评价指标（七个）
目录:目标检测的评价指标一.正样本与负样本二.真正(TP).假正(FP).真负(TN).假负(FN) (1)正确的正向预测(True Positive,TP):正样本被正确检测的数量 (2)错误的 ...
目标检测中的Iou与map指标详细介绍（零基础）
目标检测中的Iou与map指标详细介绍(零基础) 最近在算法岗实习,更新的频率会低一点,希望在实习过程中学到更多有用的视觉知识. IOU指标下图中Ground truth为标记的正确框,Predic ...
目标检测精度评价指标
在目标检测领域中,存在着很多精度评价指标,需要根据应用场景自主的选择更合适的评价指标. 有人举过一些很典型的例子: 倘若某人声称创建了一个能够识别登上飞机的恐怖分子的模型,并且准确率(accuracy ...
目标检测常用评价指标及其计算方法
目录一.目标检测常用评价指标二.速度指标三.精度指标 1.混淆矩阵 2.Precision.Recall.F1.Fβ (1)Precision (2)Recall (3)F1 (4)Fβ 3Io ...
【CV】目标检测：常用名词与mAP评价指标的引出
计算机视觉|机器视觉|机器学习|深度学习编者荐语 mAP(mean average precision)是目标检测中衡量识别精度的一种重要的人为设计的评价指标.文章首先给大家介绍几种常见的目标检测领 ...
《南溪的目标检测学习笔记》——目标检测的评价指标（mAP）
1 介绍在本文中我们将介绍目标检测任务中的mAP~ 2 COCO-mAP 在介绍mAP时,我们选择的是COCO-mAP,这是现在最为流行的指标: 关于COCO-mAP的形象解释,请参考视频<霹 ...

目标检测的评价指标P,R,mAP