深度学习评价指标(1):目标检测的评价指标

1. 简述

在计算机视觉/深度学习领域,每一个方向都有属于自己的评价指标。通常在评估一个模型时,只需要计算出相应的评价指标,便可以评估算法的性能。同时,所谓SOTA,皆是基于某一评价指标进行的评估。

接下来,我们将对目标检测领域的评价指标做一个大体的说明,其中涉及Precision,AP,mAP,Accuracy等指标。

2. IOU

交并比,表示实际识别框与目标标注框的重合程度,如下绿色框为数据标注框,红色为实际识别框(预测框),两者做交集面积与并集面积比,衡量识别性能;

3. Precision(查准率)

针对特定类别α,衡量识别出的目标中,识别正确的数量占比。

假设识别出的类别α有P个目标,其中识别正确的为TP个,错误的为FP个,有关系P = TP+FP,识别精准率Precision计算如下:

更进一步,识别正确的判定可依据IOU为50%,75%或95%来认定,对应的有[email protected][email protected][email protected]

Precision表示所有被检测为正例的情况下,实际为正例的比例。

4. Recall, 召回率(查全率)

假设当前样本中共有M个类别为α的目标,识别出的目标数量为TP个,未被识别的有FN个,及M = TP + FN,则有如下关系:

Recall表示所有应该被检测为正例的情况是,实际被检测为正例的情况。

特别注意:

查准率和查全率往往是一个互相矛盾的优化方向。如果我们想要提高查准率,那么我们可以通过提高阈值,这样可以检测出实际更可靠的正例,提高(TP)的数量,那些被错误检测为正例(TP)的数量相应会减小。这样一来,Precision就会变大。

但是这个时候,一些实际为正例,但没有被检测到的目标(FN)的数量就会增加,这个时候Recall会变小。

5. AP(平均精度)

平均精度是针对单个类来讲的,首先计算单个类的PR曲线,AP则是PR曲线下的面积。

选取IOU取[0.5 : 0.95 : 0.05]([start:stop:step]),测得每一个IOU下的Precision和Recall,计算PR曲线下的面积。

如下图所示,为PR曲线样例,其中横轴一般为Recall,纵轴一般为Precision。

6. mAP,平均精度均值

AP是针对单个类的评价参数,而mAP则是针对多个类的一个综合评价参数。如果有多个类别,我们分别计算每一个类别的AP,然后取平均,得到mAP(mean Average Precision)。

其中,为类别i的平均精度,N为类别数。

6. Accuracy

以上查准率和查全率以及对应的综合评价参数都是针对正例而言的。而准确率则是针对所有的正负例,是一个综合的评价指标。

预测的所有目标中,预测正确的占比。准确率提供了模型对所有类别预测准确性的总体评估,它是一个直观的性能指标,表明模型在所有预测中有多少是正确的。

准确率提供了模型对所有类别预测的整体准确度,但它可能受到类别不平衡的影响。例如,如果负类样本远多于正类样本,那么即使模型只是简单地将所有样本预测为负类,准确率也可能会很高,但这并不意味着模型具有良好的预测性能。

相关推荐
何双新8 分钟前
第2讲、Tensor高级操作与自动求导详解
深度学习
阿里云大数据AI技术8 分钟前
演讲实录:中小企业如何快速构建AI应用?
大数据·人工智能·云计算
悲喜自渡72131 分钟前
pytorch & python常用指令
人工智能·pytorch·python
IT古董33 分钟前
【漫话机器学习系列】229.特征缩放对梯度下降的影响(The Effect Of Feature Scaling Gradient Descent)
人工智能
凯子坚持 c34 分钟前
Trae 宝藏功能实测:从 Mcp 搭建天气系统,到 AI 重塑 Excel 数据处理
java·人工智能·excel
龙萱坤诺1 小时前
图像生成新势力:GPT-Image-1 与 GPT-4o 在智创聚合 API 的较量
人工智能·深度学习·计算机视觉
新智元1 小时前
OpenAI 没说的秘密,Meta 全揭了?华人一作 GPT-4o 同款技术,爆打扩散王者
人工智能·openai
weixin_435208161 小时前
图解模型并行框架
人工智能·算法·语言模型·自然语言处理·aigc
zskj_zhyl1 小时前
银发科技:AI健康小屋如何破解老龄化困局
人工智能·科技·物联网
navyDagger1 小时前
GAN生成对抗网络数学原理解释并实现MNIST数据集生产(附代码演示)
人工智能·python