目标检测中mAP超详细解释

IOU (Intersection Over Union, 交并比)

IOU指真实框和预测框之间交集和并集的比，假设这里有真实框$B_{gt}$和预测框$B_p$，那么 IOU计算公式如下：
$$IOU=\frac{area(B_p\cap B_{gt})}{area(B_p\cup B_{gt})}$$

有了IOU的计算公式，我们就可以来计算 TP、FP、FN、TN

这里会用到threshold交并比的阈值，通常取50%、75%、95%

• True Positive(TP): 一个目标框被正确检测出来，$IOU\ge threshold$
• False Positive(FP): 预测框预测错误，$IOU<threshold$
• False Negative(FN): 一个目标框没有被预测出来
• True Negative(TN): 在这里不适用。

Precision精确率

precision指正确检测出来的目标框数量占所有预测目标框数量的比例。
$$Precision=\frac{TP}{TP+FP}=\frac{TP}{all\_detections}$$

Recall召回率

recall指正确检测出来的目标框数量占所有真实目标框数量的比例。
$$Recall=\frac{TP}{TP+FN}=\frac{TP}{all\_ground\_truths}$$

Precision x Recall curve， PR曲线

以精确率为y轴，以召回率为x轴，我们就得到了PR曲线。仍然从精确率和召回率的定义可以理解，精确率越高，召回率越高，我们的模型和算法就越高效。也就是画出来的PR曲线越靠近右上越好。

Average Precision，AP

PR曲线下面的面积。假设一共有N中recall的取值，计算公式如下：

A P = ∑ n = 1 N ( r n + 1 − r n ) ρ i n t e r p ( r n + 1 ) ρ i n t e r p ( r n + 1 ) = m a x r ^ = r n + 1 ρ ( r ^ ) AP=\sum_{n=1}^{N}(r_{n+1}-r_n)\rho_{interp}(r_{n+1})\\ \rho_{interp}(r_{n+1})= max_{\hat r=r_{n+1}} \rho(\hat r) AP=n=1∑N​(rn+1​−rn​)ρinterp​(rn+1​)ρ