目标检测评价指标（mAP、P-R曲线、IOU）超好理解

最新推荐文章于 2023-12-05 22:48:55 发布

原创

最新推荐文章于 2023-12-05 22:48:55 发布 · 2k 阅读

CC 4.0 BY-SA版权

文章标签：

本文深入浅出地解析了目标检测中的关键评价指标，包括mAP（平均精度）通过P-R曲线展示精度与召回率的关系，以及IOU（交并比）衡量预测框与真实框的重合程度。通过实例和概念结合，帮助读者巩固对这些技术的理解。

一、mAP

真实情况	预测为正	预测为反	recall召回率
正	TP	FN	R = TP / (TP + FN)
反	FP	TN
precision准确率	P = TP / (TP + FP)

这四个字母看着真头晕，就算看博客当时理解了，过一会儿就忘了，所以决定整理一下，用特殊的方法记住他！

后面的字母P（positive）和N（negative）是针对检测器而言的。检测器认为它是正，则是P，反之则为N。

前面的字母T（true）和F（false）是用来修饰检测器所检测出来的结果。可以把前面的字母当成上帝，它有上帝视角，知道检测器到底预测的对不对。上帝说是T就是你预测对了，是F就是预测错了。

检测器说是P正例，上帝告诉你，你对了，真实情况就是正例，则是TP（上帝说你对T + 检测器认为正）。

检测器说是P正例，但上帝告诉你，你错了，真实情况是反例，则是FP（上帝说你错F + 检测器认为正）。

检测器说是N反例，上帝告诉你，你错了，真实情况是正例，则是FN（上帝说你错F + 检测器认为是反）。

检测器说是N反例，上帝告诉你，你对了，真实情况就是反例，则是TN（上帝说你对T + 检测器认为是反）。

检测器认为是正的例子中，有多少是真正的正？
$\frac{TP}{TP + FP}$