目标检测指标AP50/准确率/召回率说明

本文参考:【计算机视觉 | 目标检测】常见的两种评价指标:AP50和APr的理解和对比-CSDN博客

一、概念

AP(Average Precision)平均准确率,它是目标检测中广泛使用的一种评价指标,用于衡量模型的预测准确率。

AP50指平均准确率在IOU阈值为0.5时的值,也就是True Positive的条件是IOU为0.5以上 并且 类别预测正确。它是目标检测中最常用的评估指标之一。

mAP为平均均值准确率。

召回率:在所有测试集的真实框中,被正确预测到的比例。

准确率:在所有预测到的框中,被正确识别的比例。

准确率-召回率曲线:算法推理时每个预测框都有目标识别的置信度,通过在不同的置信度阈值下,以不同的召回率计算出的对应的准确率的点组成的曲线。

二、AP计算方式

AP的计算方式是在准确率-召回率曲线上,计算曲线下的面积,然后求平均值。因为对于每个类别,准确率-召回率曲线是不同的,所以会分别计算每个类别的AP值。

优点:考虑了不同置信度阈值下的准确率和召回率之间的平衡,并且可以用来比较不同模型的性能。

缺点:需要预先设定一些阈值来确定真实框和预测框之间的匹配,同时也容易受到类别不平衡和不同大小目标的影响。

三、AP50计算方式

在计算AP50时,首先需要对预测框和真实框进行匹配,然后按照置信度从高到低排序,计算每个置信度下的准确率和召回率,最后对这些准确率-召回率进行插值,得到一个平滑的曲线,计算该曲线下的面积作为AP50的值。AP50越高,说明模型在IOU阈值为0.5时的性能越好。

四、mAP的计算方式

它是计算多组值的平均值。

比如有这么一种计算方式,取AP50到AP60,以0.5为间隔进行取值,分别得到不同的APX的值,然后求平均值及可得到mAP的值。

相关推荐
果冻人工智能15 分钟前
打造 AI Agent 对于中产阶级来说就是场噩梦
人工智能
MediaTea28 分钟前
AI 文生图:提示词撰写技巧与示例(ChatGPT-4o 篇)
人工智能
墨绿色的摆渡人38 分钟前
用 pytorch 从零开始创建大语言模型(三):编码注意力机制
人工智能·pytorch·语言模型
编程在手天下我有1 小时前
计算机视觉(CV)技术的优势和挑战
计算机视觉
zm-v-159304339861 小时前
ChatGPT 与 DeepSeek:学术科研的智能 “双引擎”
人工智能·chatgpt
果冻人工智能1 小时前
美国狂奔,中国稳走,AI赛道上的龟兔之争?
人工智能
牙牙要健康1 小时前
【目标检测】【深度学习】【Pytorch版本】YOLOV2模型算法详解
pytorch·深度学习·目标检测
果冻人工智能1 小时前
再谈AI与程序员: AI 写的代码越来越多,那我们还需要开发者吗?
人工智能
大脑探路者1 小时前
【PyTorch】继承 nn.Module 创建简单神经网络
人工智能·pytorch·神经网络