（15）目标检测_map的计算

原创 已于 2022-10-17 12:02:20 修改 · 513 阅读 · 0 ·
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：

#目标检测 #人工智能 #计算机视觉

于 2022-10-17 11:03:11 首次发布
本文详细介绍了目标检测中mAP（Mean Average Precision）的计算原理，包括精度、召回率、AP、PR曲线等概念，并探讨了阈值的影响，以及如何使用pycocotools进行mAP的计算。

1、主要参考了

mAP的计算方法_海棠遇上玉兰的博客-优快云博客_map怎么计算

和

voc数据集的map计算方式_pursuit_zhangyu的博客-优快云博客_voc数据集map

2、原理

2.1  精度和召回率

精度precision：查准率

召回率recall：查全率

 注意：

（1）精度中，TP是检测正确的，FP是被错误的检测到的（不该检测的被检测到了）。

（2）召回率中，TP是正确检测的，FN是没有被检测到的（该检测的没检测到）。

分类的识别结果有四种：下面都针对狗这个分类的计算

True positives（TP） :  狗的图片被正确的识别成了狗。（找到了正确类，你对了！）
False positives（FP）:  猫的图片被错误地识别成了

最低0.47元/天 解锁文章
目标检测中的mAP计算：深入解析与实践指南
2401_85743969的博客
07-05 1071
mAP是在目标检测和对象识别任务中用来评估模型性能的指标。它计算了在不同重叠比例（Intersection over Union, IoU）下的平均精度，通常使用0.5作为IoU阈值。
目标检测中的mAP
热门推荐
大彤小忆的博客
11-08 1万+
  要计算mAP必须先绘出各类别PR曲线，计算出AP。而如何采样PR曲线，VOC采用过两种不同方法。   在VOC2010以前，只需要选取当Recall >= 0, 0.1, 0.2, …, 1共11个点时的Precision最大值，然后AP就是这11个Precision的平均值。   在VOC2010及以后，需要针对每一个不同的Recall值（包括0和1），选取其大于等于这些Recall值时的Precision最大值，然后计算PR曲线下面积作为AP值。 AP&mAP mAP：mean Av
目标检测中map的计算
RookiChen的博客
02-23 1万+
如何评估一个训练好模型的好坏，是目标检测中一个很重要的因素，如常见的TP、FP、AP、PR、map等，这些概念很容易混淆，搞了两天才搞明白，写一篇博客总结一下
目标 检测：mAP
Wei_sx的博客
02-17 1892
概念：mAP是针对多类别目标检测任务的一种综合评估指标。它通过计算每个类别的平均精度（AP），然后得到所有类别AP的平均值，从而衡量模型在所有类别上的整体性能。重要性：mAP被广泛应用于各大目标检测的基准数据集（如COCO、PASCAL VOC等），因为其提供了更全面、更细致的性能评估方式，能够反映模型在多个类下的表现差异和优势。
目标检测mAP计算详解
web18334137065的博客
08-30 1814
为了统一标准，VOC 2007年提出采用IOU阈值确定为0.5，采用11采样点来计算mAP，选择11个不同的recall（[0, 0.1, …2、这里最终得到一系列的precision和recall值，并且这些值是按照置信度降低排列统计的，可以认为是取不同的置信度阈值（或者rank值）得到的。而COCO数据集在计算mAP时针对因素1，即IOU选取也做了调整，即对IOU选取也做了一次循环求均值的过程，IOU选取为 0.50：0.05：0.95。1、precision与recall计算。...
目标检测map代码分析
zhuangyuan7838的博客
08-07 1236
统计各个类别的所有框的json：airplane_dr.json，遍历所有预测框，把该类别的所有框都写进来，格式是{“confidence”:confidence, “file_id”:file_id, “bbox”:bbox，经过按照confidence从高到低排序。根据ap的计算公式可以看到，rec没有变化的区间内，区间内取准确率是取最后的索引值(讲道理应该取最大的啊，也就是mpre[]i-1才对嘛)也就意味着，置信度低的框，其tp的个数统计趋于平稳，fp会增加。将召回率前面加个0，后面加个1。
目标检测计算mAP
qq_42556102的博客
05-05 819
目标检测计算mAP 首先了解precision（准确度），recall（召回率）的公式 Precision = TP/(TP+FP);Recall = TP/(TP+FN) 其中TP : 预测为正样本（P），结果正确（T）；FP : 预测为正样本，结果错误；FN : 预测为负样本，结果错误；TN预测为负样本，结果正确。 计算mAP： 目标检测结果的多个bbox中： 选择某一个目标类别，挑出识别为该目标的所有bbox，其中TP+FP为挑出来的bbox数量,TP为bbox框与Ground truth框
目标检测Map计算方式及代码解读
Deen的博客
03-27 4845
目标检测Map计算方式及代码解读
目标检测AP、mAP计算方法
胖胖大海的博客
09-03 9054
关于AP和mAP的定义可以参考以下链接： 参考：https://blog.youkuaiyun.com/qq_35916487/article/details/89076570 参考：https://zhuanlan.zhihu.com/p/56961620 代码来源：https://github.com/rbgirshick/py-faster-rcnn/blob/master/lib/datasets/voc_eval.py AP(Average Precison)是计算具体某个类别的AP...
目标检测mAP评价指标
weixin_44368569的博客
01-10 1976
理解目标检测当中的mAP详解object detection中的mAP。虽然前人之述备矣，但我还是要做这篇笔记，按自己的思路讲解学到的东西，希望更能加深理解。
目标检测mAP计算代码
11-24
目标检测是计算机视觉领域中...通过理解和使用这样的mAP计算代码，你可以对自己的目标检测模型进行准确评估，找出性能瓶颈，并针对性地优化模型。这在算法开发和论文发表中至关重要，因为mAP是评价模型性能的通用标准。
目标检测与mAP计算代码
11-18
评估目标检测算法性能时，Mean Average Precision（mAP）被公认为关键指标。 该计算工具通常用于验证和比较不同检测算法的精度，并尤其适用于PASCAL VOC等标准数据集。 平均精度（Average Precision, AP）：作为...
mAP-master.zip_mapmaster npc大小_目标检测_目标检测方法的MAp测试_目标检测评价_评估
09-22
综上所述，mAP-master.zip文件可能包含了一个用于计算mAP和评估NPC目标检测性能的工具或代码库，这对于研究和开发目标检测算法的人员来说是非常有价值的资源。使用这样的工具可以有效地分析和比较不同检测算法的性能...
目标检测指标map+map计算代码+map计算列子(包含gt与pred输入)
12-24
本文将直接介绍计算map核心代码简单列子，在此基础上介绍整个即插即用map计算模块使用方法与代码解读。该资源便是列子内容，可参考“史上最全AP、mAP通用代码实现(即插即用-基于yolo模型)”博客。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1258
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
人工智能的基石之三：硬件
最简单的方法，解决最实际的问题。
12-05 646
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
【论文速递】2025年第34周(Aug-17-23)(Robotics/Embodied AI/LLM)
最新发布
淋曦的进击手记
12-07 751
自我监督的学习有望消除对手动数据注释的需求，从而使模型能够毫不费力地扩展到大规模的数据集和较大的体系结构。通过不针对特定的任务或领域量身定制，这种训练范式有可能使用单个算法从不同的来源学习视觉表示形式，从自然到航空图像。该技术报告介绍了Dinov3，这是通过利用简单而有效的策略来实现这一愿景的主要里程碑。首先，我们利用仔细的数据准备，设计和优化来扩展数据集和模型大小的好处。其次，我们介绍了一种称为GRAM锚定的新方法，该方法有效地解决了长期训练时间表中已知但未解决的密集特征映射降解的问题。
AI泡沫什么时候破？
脑极体
12-04 637
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
【AI是否能替代IT从业者？】
博文致力于人工智能算法的探索研究；前后端分离项目的技术分享交流；专升本计算机基础课程内容讲解；各种中间件技术分享
12-03 1127
2025年IT行业面临AI深度重构：基础开发、测试、运维岗位替代率超60%，但AI相关新兴岗位激增380%。人类在复杂系统设计、伦理决策和跨界融合领域仍具不可替代性。微软等企业实践显示，人机协作可使效率提升40%。从业者需转型高价值领域（如Agent开发、大模型工程），掌握"技术+领域"双轨能力。AI本质是职业生态重构器，持续学习者的薪资溢价可达150%。建议立即评估岗位AI暴露指数，优先学习分布式架构优化、多智能体开发等技能。
详解目标检测指标mAP计算与即插即用模块实现
资源摘要信息:"史上最全AP、mAP详解与...总结来说，资源将为读者提供一个全面的AP和mAP计算框架，以及具体的代码实现，帮助用户在目标检测任务中准确评估模型性能。这对于研究和开发高性能目标检测系统具有重要意义。
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