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
kebijuelun几秒前
OpenVLA:大语言模型用于机器人操控的经典开源作品
人工智能·语言模型·机器人
掘金安东尼8 分钟前
大模型+Python脚本,打造属于你的“批量生成文档”应用!
人工智能
vocal10 分钟前
谷歌第七版Prompt Engineering—第二部分
人工智能·后端
Blossom.11818 分钟前
量子计算在密码学中的应用与挑战:重塑信息安全的未来
人工智能·深度学习·物联网·算法·密码学·量子计算·量子安全
子燕若水20 分钟前
How do I install OpenCV with gpu support
人工智能·opencv·计算机视觉
明明跟你说过29 分钟前
深度学习常见框架:TensorFlow 与 PyTorch 简介与对比
人工智能·pytorch·python·深度学习·自然语言处理·tensorflow
搏博31 分钟前
专家系统的基本概念解析——基于《人工智能原理与方法》的深度拓展
人工智能·python·深度学习·算法·机器学习·概率论
yzx99101332 分钟前
决策树随机深林
人工智能·python·算法·决策树·机器学习
巷95535 分钟前
卷积神经网络迁移学习:原理与实践指南
人工智能·cnn·迁移学习
winner888138 分钟前
论文解读:迁移学习(A Survey on Transfer Learning)
人工智能·机器学习·迁移学习