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
LZXCyrus18 分钟前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
我感觉。35 分钟前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
YRr YRr44 分钟前
深度学习神经网络中的优化器的使用
人工智能·深度学习·神经网络
DieYoung_Alive44 分钟前
一篇文章了解机器学习(下)
人工智能·机器学习
夏沫的梦1 小时前
生成式AI对产业的影响与冲击
人工智能·aigc
goomind1 小时前
YOLOv8实战木材缺陷识别
人工智能·yolo·目标检测·缺陷检测·pyqt5·木材缺陷识别
只怕自己不够好1 小时前
《OpenCV 图像基础操作全解析:从读取到像素处理与 ROI 应用》
人工智能·opencv·计算机视觉
幻风_huanfeng1 小时前
人工智能之数学基础:线性代数在人工智能中的地位
人工智能·深度学习·神经网络·线性代数·机器学习·自然语言处理
嵌入式大圣1 小时前
嵌入式系统与OpenCV
人工智能·opencv·计算机视觉
ZOMI酱2 小时前
【AI系统】GPU 架构与 CUDA 关系
人工智能·架构