COCO目标检测比赛中的模型评价指标介绍!

本文详细介绍COCO数据集及其在目标检测领域的应用,解析AveragePrecision(AP)、APAcrossScales、AverageRecall(AR)及ARAcrossScales等核心评估指标,帮助读者理解目标检测算法性能的量化标准。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

       COCO数据集是目前最流行的目标检测比赛用的数据集,且时下几乎所有在各大深度学习框架下实现的目标检测网络的预训练模型都有基于COCO数据集训练出来的。接下来简要介绍一下COCO比赛排行榜中所用的指标,截图如下:

指标介绍

  • AveragePrecision(AP):AveragePrecision(AP): 

      AP       % AP at IoU=0.50:0.05:0.95 (主要挑战指标) 
      AP^{50}    % AP at IoU=0.50 (PASCAL VOC 指标) 
      AP^{75}    % AP at IoU=0.75 (严格指标)

  • APAcrossScales:APAcrossScales: 

     AP^{S}     % AP(对于小目标): area < 32^{2}
     AP^{L}     % AP (对于中等目标):  32^{2} < area < 96^{2}
     AP^{M}    % AP (对于大目标): area > 96^{2}

  • AverageRecall(AR):AverageRecall(AR): 

    AR^{1}       % AR given 1 detection per image 
    AR^{10}      AR given 10 detections per image 
    AR^{100}       % AR given 100 detections per image

  • ARAcrossScales:ARAcrossScales: 

    AR^{S}     % AR (对于小目标): area < 32^{2} 
    AR^{M}       % AR (对于中等目标): 32^{2} < area < 96^{2} 
    AR^{L}     % AR (对于大目标): area > 96^{2}

 

评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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