目标检测中的常见指标
最近在做一个目标检测的练习项目——阿里天池的宫颈癌检测初赛任务,用了MMDetection中自带的Faster RCNN网络,好不容易把网络跑通,但是测试网络的时候发现自己看不懂评价指标...在此将相关的评价指标及其含义记录一下,供自己和其他初学者参考。
1.TP(True Positive):IoU>0.5的检测框数量(同一Ground Truth只计算一次)。
2.FP(False Positive):IoU<=0.5的检测框数量(或者是检测到同一个GT的多余检测框的数量)。
3.FN(False Negative):没有检测到的GT的数量。
4.Precision:TP/(TP+FP)模型预测的所有目标中,预测正确的比例,因此又叫查准率。
倘若有5个GT,但是只检测出1个目标(匹配到某个GT且IoU>0.5),此时TP=1,FP=0,Presicion=100%。
5.Recall:TP/(TP+FN)所有真实目标中,模型预测正确的目标比例,因此又叫查全率。
倘若有5个GT,但检测出了50个目标(5个GT中均分配到了IoU>0.5的目标框),此时TP5,FN=0,Recall=100%。
因此只看Precision或者只看Recall并不能实际反映出模型检测效果的好坏。
6.AP:P-R曲线下面积
7.P-R曲线:Precision-Recall曲线
8.mAP:Mean Average Precision,即各类别AP的平均值。
以上为COCO官网给出的指标解释。
以上述结果为例,第一列(从左到右的顺序)为AP和AR两个评价指标;第二列为IoU的取值,0.50:0.95表示以0.05为步长,共10个IoU阈值求平均作为最后的输出结果;0.50为PASCAL VOC数据格式采用的阈值,0.75则更加严格(要求定位更加准确);第三列表示目标面积,all为所有目标,small、medium和large为小中大目标,具体划分标准在官网给出的图片上有,可以根据自己的数据集关注不同大小目标的检测情况;第四列为最多生成的检测框数量,可自行更改,若每张图像只有一个目标,则100和300不会有很大差别,反而最多生成100个检测框的效率会高一些;最后则是上述不同条件组合的数值输出。
最后附上B站视频讲解,可能会更加直观一些,喜欢的小伙伴可以去看看。本文仅作为学习记录,如有不足望批评指正。
目标检测中的常见指标相关推荐
- 目标检测中的评估指标:PR曲线、AP、mAP
文章目录 1.precision & recall 2.P-R曲线 3.AP计算 4.mAP计算 5.COCO Evaluation Result 1.precision & reca ...
- 目标检测中的一些指标——学习笔记
1.参考: https://blog.csdn.net/asasasaababab/article/details/79994920 2.TP.FP.TN.FN 用人脸识别做一个例子, TP:True ...
- 通俗地讲解目标检测中AP指标
声明:以下内容全是我的个人见解,如有问题,欢迎指正! AP(Average Precision)即平均精度,是目标检测中的一个常用指标. 一.精确率和召回率 说道AP,那不得不提准确率和召回率.首先我 ...
- 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 ...
- 目标检测中NMS和mAP指标中的的IoU阈值和置信度阈值
有时候路走的太远,会忘了为什么要出发. 学习亦如是 在目标检测中,经常看到置信度阈值和IoU阈值这两个关键参数,且NMS计算和mAP计算中都会有这两个,那它们的区别是什么?本文就这个问题做一次总结. ...
- 检测到目标服务器启用了trace方法_综述:目标检测中的多尺度检测方法
↑ 点击蓝字 关注极市平台作者丨SFXiang来源丨AI算法修炼营编辑丨极市平台 极市导读 本文从降低下采样率与空洞卷积.多尺度训练.优化Anchor尺寸设计.深层和浅层特征融合等多个方面入手,对目标 ...
- 综合评价模型的缺点_【必备】目标检测中的评价指标有哪些?
在人工智能领域,机器学习的效果需要用各种指标来评价.当一个目标检测模型建立好了之后,即模型训练已经完成,我们就可以利用这个模型进行分类识别.那么该如何去评价这个模型的性能呢? 上期我们一起学习了全卷积 ...
- 综述 | 目标检测中的多尺度检测方法
本文从降低下采样率与空洞卷积.多尺度训练.优化Anchor尺寸设计.深层和浅层特征融合等多个方面入手,对目标检测中的多尺度检测方法进行了全面概述,并介绍了多尺度检测相关方法. 前面的话 传统卷积网络通 ...
- 目标检测模型的评估指标mAP详解(附代码)
https://zhuanlan.zhihu.com/p/37910324 对于使用机器学习解决的大多数常见问题,通常有多种可用的模型.每个模型都有自己的独特之处,并随因素变化而表现不同. 每个模型在 ...
- 目标检测中的样本不平衡处理方法——OHEM, Focal Loss, GHM, PISA
GitHub 简书 CSDN 文章目录 1. 前言 2. OHEM 3. Focal Loss 3.1 Cross Entropy 3.2 Balanced Cross Entropy 3.3 Foc ...
最新文章
- ATS自定义日志中的各字段解读
- jdk安装教程_使用JDK 8流在包装对象的集合和包装对象的集合之间转换
- mysql db.opt+ (frm,MYD,MYI)备份与还原数据库
- 20162305《程序设计与数据结构》第1周学习总结
- kafka权威指南读书心得
- 什么软件可以换电脑ip地址
- Firefox XPI插件安装方法
- pda扫描枪屏幕_PDA扫描枪的介绍
- git创建版本库并提交文件
- 机器学习结果指标评估
- 日语生可以选计算机专业吗,高考日语生,不建议你大学报日语专业!
- hdu-5761 Rower Bo(数学)
- javaSE试题(一)
- 2021年河南高考--各高校在河南录取分数线预测(本科二批——文科)
- python : pandas 画移动平均线
- signature=db6ed02c38e9be97bad334d194c3133d,来用百度密语吧!!!
- 进度猫甘特图:项目管理中如何制定工作安排表
- python3多线程实战(python3经典编程案例)
- node sass 报错解决方法 Module build failed (from ./node_modules/sass-loader/dist/cjs.js)
- 思维导图:提高你的记忆力,让自己轻松记忆
热门文章
- android安装出现问题怎么解决方案,安卓手机安装软件提示解析程序包时出现问题怎么解决...
- 给计算机e盘加密,win10系统给e盘加密的操作方法
- 清华梦的粉碎—写给清华大学的退学申请(by王垠)
- 梅西大学研究员创造出新3D打印系统 用螺杆作为进料机构挤出颗粒
- Python0基础(中)——期末不挂科
- 停电后文件变成二进制 修复_尝试并修补二进制启发
- python九宫格矩阵排数
- 逻辑回归实现鸢尾花分类
- 计算机应用软件安装不了,应用程序无法正常启动,详细教您电脑应用程序无法正常启动0xc000007b怎么解决...
- 一根网线让两台笔记本对拷文件