mAP计算方法概述

最新推荐文章于 2025-06-25 16:52:12 发布
最新推荐文章于 2025-06-25 16:52:12 发布
阅读量2.3k 收藏 1
点赞数
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。
本文链接：https://blog.youkuaiyun.com/qq_22637925/article/details/79476834
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

 

如何计算map？
wlw8023diya的博客
06-04 1547
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
04-08 615
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。
mAP计算过程
m0_48086806的博客
06-13 616
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
最新发布
qq_38614074的博客
06-25 1506
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
08-13 826
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...
【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 5342
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
04-22 620
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
03-24 771
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 53
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
06-13 980
稍后补充！
mAP计算过程详解
m0_37799466的博客
07-21 838
mAP计算过程
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. **...
评论 1
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