pytorch 常用目标检测评价指标总结

1.对于是否正确预测，只用看T或F：
预测值为正例，记为P（Positive）
预测值为反例，记为N（Negative）
预测值与真实值相同，记为T（True）
预测值与真实值相反，记为F（False）
2.精确度：所有预测为正例中，正确预测的比例：
P=TP/NP+TP
3.正确率：所有预测结果中，正确的概率：很少用到
A= (TP+TN)/(TP+TN+FP+FN)
4.召回率（又名灵敏度TPR：有多少正例最终被预测出：（真实的正样本含FN
R=TP/(TP+FN)
5.所有负利中，FPR错误判断为正例的负例
FPR=FP/(TN+FP)
6.F1分数：前提是认为召回率和精确度同等重要，值在0和1之间，实际为精确率和召回率的调和平均数，思想是：待平均各项中，短板相对长板，对整体平均值影响更大。
F1 = 2TP/(2TP+FP+FN)

7.PR曲线:
精确率为纵坐标，召回率为横坐标绘制的曲线。

随着采用检测框数的增多，准确率下降，召回率提高，随之使用上述数据绘制一条曲线。
8.AP值：
由于框数是离散的，不同召回率下准确率的均值，为AP值。
9.MAP值：
对于多分类问题而言。每个类别AP值的均值构成MAP值。
10.ROC/AUC
ROC横坐标为FPR（所有负例中判正的比例）,纵坐标为TPR（召回率）
该曲线下面具为AUC（Area Under roc Curve）随机分类器该值为0.5;AUC的值介于0到1之间。
当FPR值越小，TPR越大（即AUC面积越大），就说明分类器的性能越好。

pytorch 常用目标检测评价指标总结相关推荐

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 ...
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 ...
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】
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 ...
目标检测评价指标 AP、mAP
目标检测中的TP.FP.FN 所有检测框都认为是Predicted Positive 所有真实框都是Ground-truth Positive 若一个检测框与一个真实框的IOU>阈值并对正确分类 ...
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 ...

pytorch 常用目标检测评价指标总结

pytorch 常用目标检测评价指标总结相关推荐

最新文章

热门文章