多标签文本分类MAP（mean average precision）的计算方式及相关代码实现

原创 已于 2022-03-11 12:45:45 修改 · 2.3k 阅读 · 12 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#分类 #python #深度学习

于 2021-10-23 19:43:42 首次发布

下面是我从一本书上找到的关于MAP公式的讲解

如果要想计算precision以及recall，我们要先知道TP、FP、FN代表什么，通俗来讲，

TP:预测有，实际也有

FP：预测有，但实际没有

FN：预测没有，但是实际有

一个测试样例的情况：

很明显，通过这个图我们可以知道id表示这些标签的序号，也可以知道图中一共有20个标签种类。而socre则是表示表示这些预测标签的概率，gt_label其实就是correct(k)，只有当该预测标签是测试样例的真实标签时，值才为1。因此，图中表明该测试样例一共6个真实标签。

需要对上述结果按照score的大小进行降序排序

我们以top-5举例

通过该图我们可以看出，TP=2，因为gt_label值为1的标签一共有两个，而真实标签一共有6个，因此也就有4个真实标签没有在里面（没有被预测到），所

最低0.47元/天 解锁文章
BigchengziYa
关注
map（mean Average Precision)计算及代码实现
shuijinghua的博客
06-12 3945
参考文献:https://github.com/rafaelpadilla/Object-Detection-Metrics #强烈推荐这个 https://www.imooc.com/article/44040 https://blog.youkuaiyun.com/bismarckczy/article/details/86520342 #这个的计算方式不懂 https://www.jiansh...
bert-textcnn实现多标签文本分类（基于keras+keras-bert构建）
Jiangshang_jiu
08-19 8585
纯小白尝试使用keras、keras-bert结合bert与textcnn实现多标签文本分类。
MAP评价指标
我的博客
12-05 1万+
mean average precision mAP)只是把每个类别的AP都算了一遍，再取平均值 因此，AP是针对单个类别的，mAP是针对所有类别的。 先通过图片直观看AP计算过程，绿色为gt，红色为预测框，数字为类别，score为置信度。 mAP是分类别计算的，所以先拿出所有1类别的pre的label，然后计算iou iou结果shape为[3,1]，把iou小于阈值的去掉，假设下...
4.6 目标检测YOLO-V3算法--多尺度检测(百度架构师手把手带你零基础实践深度学习原版笔记系列)
aiAI
10-19 1529
4.6目标检测YOLO-V3算法--多尺度检测(百度架构师手把手带你零基础实践深度学习原版笔记系列) 多尺度检测 目前我们计算损失函数是在特征图P0的基础上进行的，它的步幅stride=32。特征图的尺寸比较小，像素点数目比较少，每个像素点的感受野很大，具有非常丰富的高层级语义信息，可能比较容易检测到较大的目标。为了能够检测到尺寸较小的那些目标，需要在尺寸较大的特征图上面建立预测输出。如果我们在C2或者C1这种层级的特征图上直接产生预测输出，可能面临新的问题，它们没有经过充分的特征提取，像...
多标签分类map计算
怡宝2号
10-15 5755
文章目录1. 范围2. AP的计算3. 实例 1. 范围 图像的多标签分类中，需要用二元交叉熵损失函数，同时评价标准中用map（mean average precision），计算map则要计算ap，AP衡量的是学出来的模型在每个类别上的好坏，mAP衡量的是学出的模型在所有类别上的好坏，得到AP后mAP的计算就变得很简单了，就是取所有AP的平均值。 2. AP的计算 可以参考 多标签图像分类任...
总算搞懂了多标签分类里的P（Precision）、R（Recall）、AP（Average Precision）和mAP（mean Average Precision）！
404 Not Found
06-28 2195
记录一下自己理解的多标签分类任务中的P（Precision）、R（Recall）、AP（Average Precision）、mAP（mean Average Precision）。
全网最详细解释mAP（Mean Average Precision）----利用Tensorflow Object Detection API中的PASCAL VOC的mAP计算做逐步细节解释！！
froot的博客
11-26 3186
1. mAP（Mean Average Precision） 首先，VOC数据集对mAP的定义： （1） True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）； （2） False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数； （3） False negatives(FN):被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数； （4） True negatives(TN):
【mAP】mean average precision 平均精度及其实现
zbossz的学习小分队
03-20 5135
用于评估对象检测模型。 首先我们来了解一些前述知识： FN(false negatives)假阴性 首先我们的预测是错误的，结果是负面的。 就比如我们新冠检测是错的，但是我们感染了新冠，也就是说检测出来我们没感染，实际上感染了。 FP(false positives)假阳性 首先我们的预测是错误的，结果是积极的。 就比如我们新冠检测是错的，但是我们没感染新冠，也就是说检测出来我们感染了，实际上没感染。 TN(true negatives)真阴性 首先我们的预测是正确的，结果是阴性。 新冠检测是正确的，我们确
拆解mAP（Mean Average Precision)
weixin_43229348的博客
08-31 474
如果您遇到过PASCAL Visual Object Classes (VOC)和MS Common Objects in Context (COCO)挑战，或者涉及过信息检索和重识别(ReID)的项目，那么您可能会非常熟悉称为mAP的度量。 mAP或有时简称为AP是一种流行的度量标准，用于衡量信息检索和对象检测任务的模型的性能。 本文希望计算出目标检测和信息检索任务的mAP。本文还将探讨为什么mAP是信息检索和目标检测任务的合适且常用的度量。 大纲 基础知识 信息检索中的AP和mAP 目标检测中的AP和
多分类MAP（mean average precision）的计算方式及相关代码实现
wangshuhuan1的博客
12-03 1042
本文将介绍如何使用PyTorch实现多标签分类，并计算MAP,我们将提供代码示例以便更好地理解整个过程。
多标签文本分类：关于基于神经网络的多标签文本分类
02-06
深度学习的多标签文本分类 该存储库是我的研究项目，也是对TensorFlow，深度学习（Fasttext，CNN，LSTM等）的研究。 该项目的主要目的是解决基于深度神经网络的多标签文本分类问题。 因此，根据这种问题的特征，数据标签的格式类似于[0、1、0，...，1、1]。 要求 Python 3.6 Tensorflow 1.15.0 Tensorboard 1.15.0 斯克莱恩0.19.1 脾气暴躁的1.16.2 Gensim 3.8.3 Tqdm 4.49.0 项目 项目结构如下： . ├── Model │   ├── test_model.py │   ├──
【多标签文本分类】代码详解Seq2Seq模型
十一月廿七风雨大作
02-23 9221
·阅读摘要：   本文提出经典的Seq2Seq模型，应用于机器翻译领域。但是Seq2Seq适用于很多领域，比如多标签文本分类。 ·参考文献：   [1] Sequence to Sequence Learning with Neural Networks 【注一】：本论文提出的Seq2Seq模型，引发一系列基于Seq2Seq模型的文章问世。地位类似于2014年Kim发表的TextCNN，2017年Google发表的Transformer。 【注二】：论文的内容比较简单，重点都是在讲解Seq2Seq.
多标签分类标签编码
2301_78134402的博客
06-17 410
多标签编码制作
目标检测中具体求解AP(average precision)的代码详解
qq_40728805的博客
01-04 2636
目标检测中具体求解AP(average precision)的代码详解 之前笔记记录过分类模型常用模型评价指标详解的文章https://blog.youkuaiyun.com/qq_40728805/article/details/103829881 本篇文章是基于yolov3中的具体代码求解AP的过程，推荐看看目标检测评价指标https://github.com/rafaelpadilla/Object-D...
【多标签文本分类】Ensemble Application of Convolutional and Recurrent Neural Networks for Multi-label Text
十一月廿七风雨大作
02-24 6902
·阅读摘要：   本文提出基于Seq2Seq模型，提出CNN-RNN模型应用于多标签文本分类。论文表示CNN-RNN模型在大型数据集上表现的效果很好，在小数据集效果不好。 ·参考文献：   [1] Ensemble Application of Convolutional and Recurrent Neural Networks for Multi-label Text Categorization   [2] Seq2Seq模型讲解，参考博客：【多标签文本分类】代码详解Seq2Seq模型   本文的.
多标签图像分类任务的评价方法——mAP
liubo187的博客
08-19 1万+
在单标签图像分类任务中，一般使用top1 accuracy 或者 top5 accuracy 衡量分类的准确性。而多标签图像分类任务的评价方法一般采用的是和信息检索中类似的方法——mAP(mean average precision)。以下是mAP的计算方法： 在介绍mAP的计算方法之前，先介绍两个更基本的概念：precision and recall 如上图1所示，圆圈内的样本为选出
【多标签文本分类】Deep Learning for Extreme Multi-label Text Classification
十一月廿七风雨大作
02-09 8156
·阅读摘要：   本文提出结合CNN的XML-CNN模型来解决大规模的多标签文本分类问题。   [1] Deep Learning for Extreme Multi-label Text Classification [0] 摘要   极端多标签文本分类(extreme multi-label text classification (XMTC))是指从一个非常大的标签集合为每个文档分类。巨大的特征空间、标签空间带来了数据稀疏性等挑战。   XMTC在机器学习研究较多，本文是第一次提出将XMTC与深.
300万知乎多标签文本分类任务经验分享（附源码）
yunqishequ1的博客
12-01 5812
点击有惊喜 七月，酷暑难耐，认识的几位同学参加知乎看山杯，均取得不错的排名。当时天池AI医疗大赛初赛结束，官方正在为复赛进行平台调试，复赛时间一拖再拖。看着几位同学在比赛中排名都还很不错，于是决定抽空试一试。结果一发不可收拾，又找了两个同学一起组队（队伍init）以至于整个暑假都投入到这个比赛之中，并最终以一定的优势夺得第一名。 比赛介绍 这是一个文本多分类的问题：目
AP: average precision
热门推荐
easylifer的专栏
03-12 2万+
average precision的计算以及原理
mAP (mean Average Precision)
最新发布
12-13
mAP（mean Average Precision）即平均精度均值，是目标检测（也用于实例分割、关键点等）最常用的主评测指标之一，它衡量模型在不同阈值、不同召回水平下的整体检测质量，是对“找对多少（Recall，召回）”与“找得...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值