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
之墨_13 小时前
【大语言模型】—— 自注意力机制及其变体(交叉注意力、因果注意力、多头注意力)的代码实现
人工智能·语言模型·自然语言处理
从孑开始14 小时前
ManySpeech.MoonshineAsr 使用指南
人工智能·ai·c#·.net·私有化部署·语音识别·onnx·asr·moonshine
涛涛讲AI14 小时前
一段音频多段字幕,让音频能够流畅自然对应字幕 AI生成视频,扣子生成剪映视频草稿
人工智能·音视频·语音识别
可触的未来,发芽的智生14 小时前
新奇特:黑猫警长的纳米世界,忆阻器与神经网络的智慧
javascript·人工智能·python·神经网络·架构
WWZZ202515 小时前
快速上手大模型:机器学习2(一元线性回归、代价函数、梯度下降法)
人工智能·算法·机器学习·计算机视觉·机器人·大模型·slam
AKAMAI15 小时前
数据孤岛破局之战 :跨业务分析的难题攻坚
运维·人工智能·云计算
Chicheng_MA15 小时前
算能 CV184 智能相机整体方案介绍
人工智能·数码相机·算能
Element_南笙15 小时前
吴恩达新课程:Agentic AI(笔记2)
数据库·人工智能·笔记·python·深度学习·ui·自然语言处理
倔强青铜三15 小时前
苦练Python第69天:subprocess模块从入门到上瘾,手把手教你驯服系统命令!
人工智能·python·面试
Antonio91515 小时前
【图像处理】rgb和srgb
图像处理·人工智能·数码相机