图像检索,目标检测map的实现

一、图像检索指标Rank1,map

参考:https://blog.csdn.net/weixin_41427758/article/details/81188164?spm=1001.2014.3001.5506

1.Rank1:

rank-k:算法返回的排序列表中,前k位为存在检索目标则称为rank-k命中。

常用的为rank1:首位为检索目标则rank-1命中。

2.map

mAP(mean average precision):反应检索的人在数据库中所有正确的图片排在排序列表前面的程度,能更加全面的衡量ReID算法的性能。如下图,该检索行人在gallery中有4张图片,在检索的list中位置分别为1、2、5、7,则ap为(1 / 1 + 2 / 2 + 3 / 5 + 4 / 7) / 4 =0.793;ap较大时,该行人的检索结果都相对靠前,对所有query的ap取平均值得到mAP

二、目标检测map

参考:目标检测mAP计算以及coco评价标准_哔哩哔哩_bilibili

目标检测中map的计算_map计算公式_RooKiChen的博客-CSDN博客

预测框先经过nms处理,然后计算TP,FP,FN。常见的map0.5,其中0.5是iou的阈值,与置信度无关。预测框与真实框的iou大于阈值为TP,小于阈值为FP。

  • TP: IoU>thread的检测框数量(同一Ground Truth只计算一次)
  • FP: IoU<=thread的检测框,或者是检测到同一个GT的多余检测框的数量
  • FN: 没有检测到的GT的数量

对于要预测的样本,比如说有7个真实框需要预测,预测框 预测框与真实框的iou大于阈值记为True,小于阈值记为Fasle,将他们按照类别置信度排序,如下图,然后选不同大小的类别置信度作为分界线

1.类别置信度选0.98,如图,此时TP = 1,FP=0,FN=7-1=6

2.类别置信度选0.89,此时TP=2,FP=0,FN=7-2=5

........

分别得到若干个precision,recall,绘制PR曲线

对于同一Recall,不同的Precision,选最大的Precision,如下图

相关推荐
用户6915811416532 分钟前
Ascend Extension for PyTorch的源码解析
人工智能
成富1 小时前
文本转SQL(Text-to-SQL),场景介绍与 Spring AI 实现
数据库·人工智能·sql·spring·oracle
CSDN云计算2 小时前
如何以开源加速AI企业落地,红帽带来新解法
人工智能·开源·openshift·红帽·instructlab
艾派森2 小时前
大数据分析案例-基于随机森林算法的智能手机价格预测模型
人工智能·python·随机森林·机器学习·数据挖掘
hairenjing11232 小时前
在 Android 手机上从SD 卡恢复数据的 6 个有效应用程序
android·人工智能·windows·macos·智能手机
小蜗子2 小时前
Multi‐modal knowledge graph inference via media convergenceand logic rule
人工智能·知识图谱
SpikeKing2 小时前
LLM - 使用 LLaMA-Factory 微调大模型 环境配置与训练推理 教程 (1)
人工智能·llm·大语言模型·llama·环境配置·llamafactory·训练框架
黄焖鸡能干四碗3 小时前
信息化运维方案,实施方案,开发方案,信息中心安全运维资料(软件资料word)
大数据·人工智能·软件需求·设计规范·规格说明书
3 小时前
开源竞争-数据驱动成长-11/05-大专生的思考
人工智能·笔记·学习·算法·机器学习
ctrey_3 小时前
2024-11-4 学习人工智能的Day21 openCV(3)
人工智能·opencv·学习