14、基于深度学习的红外目标跟踪与物联网无人机技术解析

基于深度学习的红外目标跟踪与物联网无人机技术解析

一、红外目标跟踪性能指标

在红外目标跟踪领域，为了评估算法的性能，使用了多种指标。这些指标主要分为检测性能指标和跟踪性能指标。

（一）检测性能指标

1. 平均精度均值（Mean average precision, mAP）
   • mAP用于评估每个数据集中不同类别目标检测的正确性。它是所有类别的平均精度（AP）的平均值，计算公式如下：
     [mAP = \frac{1}{M}\sum_{x = 1}^{M} AP_x]
     其中，(x)表示第(x)类，(M)表示被评估的所有类别的总和。
2. 定位召回精度（Localization recall precision, LRP）
   • 常用的AP指标和PR曲线往往无法区分不同的PR曲线，并且缺乏直接测量每个边界框（BB）定位精度的能力。为了解决这些问题，提出了LRP误差指标。它由与目标定位、假阴性（FN）和假阳性（FP）率相关的组件组成，计算公式为：
     [LRP_{x,s,\tau} = \frac{Z_{TP}}{Z_{TP}+Z_{FP}+Z_{FN}}]
     这里，(M)是实际边界框的集合，(N)是估计边界框的集合，(s)表示得分阈值（值在0到1之间），(\tau)表示IoU截止值（值在0到1之间），(Z_{TP})、(Z_{FP})、(Z_{FN})分别是真阳性、假阳性和假阴性的数量。

（二）跟踪性能指