mAP计算方法概述

最新推荐文章于 2025-07-25 20:00:52 发布

原创最新推荐文章于 2025-07-25 20:00:52 发布 · 2.3k 阅读

1 ·

CC 4.0 BY-SA版权

本文解析了FPN模型的测试流程，通过示例图片详细介绍了如何使用test_net.py调用test.py下的deftest_net函数进行模型评估，包括置信度排序、计算IOU、确定真阳性与假阳性等步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Git开源项目(比如unsky的FPN)中test_net.py调用test.py下的def test_net(net, imdb, max_per_image=1000, thresh=0.05, vis=False)函数。

代码之后会顺一遍，先介绍下思路：

假设一张测试图片有3个标定好的Ground Truth （黑色）模型预测结果pred为6个框 (5红 + 1蓝)。首先将所有pred按照置信度（score）反序排列，之后从score最大的pred开始遍历每个Ground Truth并计算IOU. 如果IOU大于阈值，查看g+表(最右)对应的GT的det是否为1：不为1则det置1并将此pred的TP至1；det为1则说明之前有更大score的框对应上了这个GT,则此pred的FP置1; 最终根据TP FP计算每个类的AP, 具体过程需要看代码

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

啤酒饮料矿泉水花生瓜子八宝粥

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

如何计算map？

wlw8023diya的博客

06-04

1551

1.VOCdevkit/VOC2007/ImageSets/Main/test.txt、val.txt、train.txt、trainval.txt由voc2yolo4.py生成可以使用trainval_percent和train_percent的比例改变来修改实验比例的话是trainval_percent=0.9,train_percent=1 根据我来看的代码，使用k-means聚类之后得到的结果不需要改变这边。 ————————————2021.4.18—————————————————— D:\

计算机视觉中的目标检测：为什么 mAP 是评估性能的黄金标准

Sapphire521的博客

04-08

618

目标检测不仅仅是识别图像中的物体，还包括标定物体的位置，即框出物体的边界框。在深度学习的推动下，目标检测方法经历了从传统机器学习方法到现代卷积神经网络（CNN）方法的跨越式发展。单阶段检测方法：如YOLO（You Only Look Once）和SSD（Single Shot Multibox Detector），这些方法快速而高效，适用于实时处理。两阶段检测方法：如Faster R-CNN，这些方法在准确性上更为精细，但计算量较大。

1 条评论您还未登录，请先登录后发表或查看评论

mAP计算过程

m0_48086806的博客

06-13

621

mAP计算过程

【目标检测】平均精度（AP）与均值平均精度（mAP）计算详解

qq_38614074的博客

06-25

1604

AP和mAP的核心概念混淆矩阵与PR曲线的关系AP计算的完整流程mAP在不同数据集中的应用提升mAP的实用策略关键点回顾IOU衡量定位精度PR曲线展示模型性能AP是PR曲线下面积mAP是所有类别AP的平均值mAP是目标检测模型的终极成绩单！理解并掌握其计算原理，是你成为CV专家的必经之路！觉得本文有帮助？点击👍支持！如果有任何问题或建议，欢迎在评论区留言讨论～

MAP的计算

qq_74330924的博客

08-13

831

AP和MAP是用于评估深度学习目标检测模型性能的常用指标。AP是指对于每个类别，计算检测结果与真实标签匹配时的精度，然后将其平均化；而MAP则是对所有类别的AP进行平均。因此，AP和MAP都是越高越好，表示模型在目标检测任务中表现越优秀。

【YOLO学习】召回率（Recall），精确率（Precision），平均正确率（Average_precision(AP) ），交除并（Intersection-over-Union（IoU））

热门推荐

Joe_quan的博客

01-05

10万+

在训练YOLO v2的过程中，系统会显示出一些评价训练效果的指标，包括Recall，IoU等等。为了怕以后忘了，现在把自己的理解记录一下。这一文章首先假设一个测试集，然后围绕这一测试集来介绍这几种指标的计算方式。

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

浅谈python3.x pool.map()方法的实质

09-19

### Python 3.x 中 `pool.map()` 方法的深入解析 #### 概述在Python的`multiprocessing`库中，`Pool`类提供了一种方便的方式来利用多核处理器的优势进行并行计算。其中，`map()`方法是实现并行处理的一种高效手段...

mapdata.json

12-20

一、`mapdata.json`概述 `mapdata.json`是一种基于JSON（JavaScript Object Notation）格式的数据文件，用于存储地理空间信息。JSON是一种轻量级的数据交换格式，易于人阅读和编写，同时也易于机器解析和生成。`map...

googleMap测距计算函数

12-29

根据提供的文件信息，本文将详细解释“Google Map测距计算函数”的实现原理及应用方法。 ### 一、函数概述 #### 1.1 函数定义 `FunctionTForm1.GetDistance(var lat1, lng1, lat2, lng2: Double): Double;` 此函数...

golang 并发安全Map以及分段锁的实现方法

09-19

### Golang并发安全Map及分段锁实现方法详解 #### 概述在Go语言中，标准库提供的`map`类型并非线程安全的。因此，在多线程或并发环境中直接使用`map`可能导致数据竞争和不一致的问题。为了解决这个问题，开发者...

【map计算】自定义map计算

最新发布

weixin_37763484的博客

07-25

371

map计算，自定义实现，支持特定类别计算与权重调整

【深度学习】——模型评估指标MAP计算&实例计算

python_AI_fans的博客

05-24

5343

目录理论知识：推导：理论知识：参考up主《睿智的目标检测20——利用mAP计算目标检测精确度》推导：

mAP计算

Kevin_liuj的博客

04-22

624

mAP计算 1.precision与recall 首先看一下混淆矩阵: 对于某个类别,假设有N个detections对所有的检测结果按它们的confidence从大到小排序,然后依次取一个结果出来,这样每次计算precision时All detections都要加1,然后计算Precision,这样得到一个长度为N的序列;同样的,每去除一个结果,计算Recall,也得到一个长度为N的序列。上面公式中的All detections表示该类的所有ground truth。 P...

mAP 计算过程

musk1212的博客

03-24

782

提示：学习数据理解 mAP 的计算过程（平均精度均值）（平均精度），是单个类别的检测性能指标。N：数据集中目标类别的总数（例如，PASCAL VOC数据集有20个类别，COCO数据集有80个类别）。

目标检测中MAP的计算

qq_43241407的博客

02-10

在目标检测中模型的评价需要综合考虑预测中目标的位置和类别，图像中经常存在多个目标，二分类中用于评价模型的指标：召回率、准确率等不能表达目标检测中模型的性能。一、基本概念 1、IOU 计算图中目标的真实边界框与预测得到的边界框的交并比，设置一个阈值α，当交并比大于阈值时认为预测正确。 2、precision 准确率表示所预测的正样本中正确的所占比例，即:pre=TP/(TP+FP) 3、Recal...

map计算方法

起点的专刊

06-13

982

稍后补充！

根据类别 mAP 计算图像权重

02-20

#### 方法概述 1. **计算每张图片中每个类别的贡献** 对于给定的数据集，首先统计每一张图片内属于各个类别的对象数目。设某张图片\(i\)含有\(n_i\)个标注框，其中第\(j\)个标注框所属类别为\(c_j\)[^1]。 2. **...