准确率、召回率及mAP

最新推荐文章于 2025-05-04 10:03:06 发布
最新推荐文章于 2025-05-04 10:03:06 发布
阅读量3.1k 收藏 7
点赞数
分类专栏： 目标分类 文章标签： mAP
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_30999155/article/details/84935444
版权
本文探讨了在性能评估中常用的mAP（mean Average Precision）指标，首先介绍了准确率（Precision）和召回率（Recall）的基本概念及其权衡关系，并指出在不同场景下对这两者的侧重。接着，解释了AP（Average Precision）的计算原理，即PR曲线下的面积，最后阐述了mAP的定义和计算公式，强调其在目标检测算法评估中的重要性。

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

最近在看毕业设计相关的论文，mAP这个性能评估指标多次出现，因此谈谈自己对mAP的理解。然而，看mAP前，我们需要先了解下P和R的概念
（1）Precision：准确率，又称查准率，指所有检索到的文件中，相关文件所占的比率。
（2）Recall：召回率，又称查全率，指所有相关文件中，检索到的文件所占的比率。
图源：
图源：http://www.vanjor.org/blog/2010/11/recall-precision/ (侵删)
注意：在实际应用中，准确率和召回率就像鱼和熊掌，不可兼得：准确率高时，召回率低；召回率高时，准确率低。

因此，我们要根据应用场景选择相应的侧重点：如果是单纯做搜索，那就是保证召回的情况下提升准确率；如果做疾病监测、反垃圾，则是保准确率的条件下，提升召回。当两者都要求高的情况下，我们可以用F1来衡量。

F1 = 2 * P * R / (P + R)
  • AP：Average Precision，即对召回率取平均，也等于PR曲线下的面积。
    PR曲线
  • mAP：mean Average Precision，即平均AP值,常用于预测对象以及类的算法中，公式如下所示
最低0.47元/天 解锁文章
模型评估指标：准确率召回率与F1值
AI天才研究院
05-01 1393
1. 背景介绍 在机器学习领域，构建模型只是第一步，评估模型的性能则是至关重要的一环。模型评估指标能够帮助我们量化模型的优劣，并指导模型的改进方向。在众多的评估指标中，准确率、召回率和F1值是最为常见的三个指标，它们分别从不同的角度衡量模型的性能。 1.1 分类问题的评估指标 准确率
准确率，精准率，召回率，真正率，假正率，ROC/AUC
热门推荐
chase
08-24 4万+
准确率，精准率，召回率，真正率，假正率，ROC/AUC
Python----机器学习（模型评估：准确率、损失函数值、精确度、召回率、F1分数、混淆矩阵、ROC曲线和AUC值、Top-k精度）
最新发布
weixin_64110589的博客
05-04 1826
1. 准确率（Accuracy）：这是最基本的评估指标之一，表示模型在测试集上正确 分类样本的比例。对于分类任务而言，准确率是衡量模型性能的直观标准。2. 损失函数值（Loss）：观察模型在测试集上的损失函数值，可以帮助了解模型的 泛化能力。低损失值表明模型在未见过的数据上的表现较好。3. 精确度（Precision）：精确度是指所有被模型预测为正类的样本中实际为正类 的比例。它关注的是预测为正类的准确性。4. 召回率（Recall）：召回率是指所有实际为正类的样本中被模型正确识别为正类 的比例。
map平均准确率_AP，mAP计算详解（代码全解）
weixin_39605840的博客
12-10 2509
定义Accuracy：准确率✔️ 准确率=预测正确的样本数/所有样本数，即预测正确的样本比例（包括预测正确的正样本和预测正确的负样本，不过在目标检测领域，没有预测正确的负样本这一说法，所以目标检测里面没有用Accuracy的）。 Precision：查准率✔️ recision表示某一类样本预测有多准。✔️ Precision针对的是某一类样本，如果没有说明类别，那么Precision是毫无意义的...
mAP的理解
weixin_38991876的博客
03-26 391
但需要根据应用场景选择合适的 IoU 评估标准（如 VOC 标准的 mAP@0.5 或 COCO 标准的 mAP@[0.5:0.95]）。mAP 是衡量目标检测模型性能的关键指标，它结合了 Precision 和 Recall，能够全面评估检测质量。，如果误检太多（低 Precision）或漏检严重（低 Recall），mAP 都会下降。现实情况中，PR 曲线通常是下降趋势，即随着召回率增加，精确率会降低。，提高了小目标检测能力，降低误检和漏检，提升 mAP。，部分版本减少了计算量但保持了高 mAP。
AP和MAP
onlyforbest的博客
10-28 1907
MAP(Mean Average Precision)：单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。 MAP 是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank 越高)，MAP就可能越高。如果系统没有返回相关文档，则准确率默认为0。 例如：假设有两个主题，主题1有4个相关网页，主题2有5个相关网页。某系统对于主题1检索出4个相关网页，其rank分别为1, 2, 4, 7；对于主题2检索出3个相关网页，其
准确率（Accuracy）、精度（Precision）、召回率（Recall）和 mAP 的图解
程序猿视角
07-30 7655
机器学习的评价指标让人眼花缭乱。今天修改一份标准文件，发现算法测试指标定义有些不妥。反复思考后，感觉有必要再次梳理一下对这些概念的认识。
准确率，召回率，mAP(mean average precision)解释
milk_and_bread的博客
05-20 1220
准确率Precision 召回率Recall 其实这个翻译相当蛋疼。。。 recall最合理的翻译应该是 查全率 而Precision的最合理的翻译应该是查准率 这样就很容易理解了，假设一个班级有10个学生，5男5女 你用机器找女生，机器返回了一下结果： | 男 | 女 | 女 | 男 | 女 | 男 | 那么查准率为：3/6 = 0.5（返回的6个结果只有3个正确） 查全率为: 3/5 = 0.6 （所有女生有5个，但只找到3个） 参考文章：https://blog.youkuaiyun.com/leviopku/a
mAP，召回率（Recall），精确率（Precision）
hai_xiao_tian的博客
05-16 4576
一、mAP（MeanAveragePrecision）1.对于某类别C，在一张图片上        ， 即P=一张图片上类别C识别正确的个数 / 这张图片上类别C的总个数2.对于类别C，在多张图片上        ， 即AP=每张图片上的Precision求和  /  含有类别C的图片数目3.对于整个数据集而言，存在多个类别C1、C2、C3...    ，即mAP=所有类别的AP求和  /  总的...
map平均准确率_目标检测评价指标mAP 精准率和召回率
weixin_33901087的博客
01-27 1689
首先明确几个概念,精确率,召回率,准确率精确率precision召回率recall准确率accuracy以一个实际例子入手,假设我们有100个肿瘤病人. 95个良性肿瘤病人,5个恶性肿瘤病人. 我们有一个检测系统,去检测一个肿瘤病人是否为恶性. 那么,对我们的系统来说,有100个样本,5个正样本,95个负样本.假设分布为1,1,1,1,1,0,0,.......(即前5个人为恶性,后95个为良性)...
map平均准确率_「召回率」准确率，召回率，mAP(mean average precision)解释 - seo实验室...
weixin_32344641的博客
01-27 612
召回率准确率Precision召回率Recall其实这个翻译相当蛋疼。。。recall最合理的翻译应该是 查全率而Precision的最合理的翻译应该是查准率这样就很容易理解了，假设一个班级有10个学生，5男5女你用机器找女生，机器返回了一下结果：| 男 | 女 | 女 | 男 | 女 | 男 |那么查准率为：3/6 = 0.5(返回的6个结果只有3个正确)查全率为: 3/5 = 0.6 (所...
深度学习知识点：mAp和召回率
SanJin_Young的博客
04-26 1562
文章转自：https://mp.weixin.qq.com/s/5kzWL6rCKZGX1xfQ71-gfQ 一：参数解释 检测对象的评价多数是基于某测试数据集的，通常称为SUT(System Under Test) 在训练时候使用的数据通常被称为GT Sytem(是带有正确标准框的数据)。 FP –False Positive是指一个对象出现在SUT中但是没有出现在GT中 TP – ...
准确率、召回率、mAP
a215508412的专栏
07-19 1766
准确率、召回率: T/F表示 true/false  表示预测的是不是对的 P/N表示 positive/negative  表示预测的结果是1还是0   TP: 预测为1， 实际为1，预测正确 FP: 预测为1， 实际为0，预测错误 TN: 预测为0，实际为0，预测正确 FN: 预测为0， 实际为1，预测错误 准确率precision： TP/ (TP+FP) 召回率recal...
map平均准确率_MAP和NDCG
weixin_39603050的博客
12-23 1455
推荐系统中常用的两个指标MAP和NDCG的学习笔记以例子来讲解：假如有用户A,B,C,D,E,F，推荐系统给每个用户推荐的结果如下：1表示相关，0表示不相关。userrecommendationA1,0,0B0,1,0C0,0,1D1,0,1E0,1,1F1,1,11.MAP：1）AP(Average Precision), 即为平均准确率。MAP(Mean Average Precision)，...
准确率， 召回率，mAP
ayst_ayst的专栏
08-28 644
这两篇文章讲得很好： http://blog.youkuaiyun.com/marising/article/details/6543943 http://blog.sciencenet.cn/blog-460603-785098.html fa
对召回率、准确率、mAP的理解
zylxadz的专栏
12-03 7397
对召回率、准确率、mAP的理解
MAP(Mean Average Precision) 、AP、精确率等评测指标个人总结
青木宫的博客
08-26 2816
最近涉及到了MAP指标的学习，网上查找资料时，总找不到自己需要的，看了半天，还是半懂不懂的，因此，总结一下自己的看法，有错误的地方请路过的大佬指导一下。 混淆矩阵 预测结果 正例 反例 真实情况 正例 TP(真正例) FN(假反例) 反例 FP(假正例) TN(真反例) 理解MAP之前
【详细解释深度学习图像分类&检测评价指标】准确率Accuracy、精确率Precision、召回率Recall、mAP等(一文搞懂，建议收藏)
cqy阳的博客
01-24 1万+
【详细解释深度学习图像分类&检测评价指标】准确率Accuracy、精确率Precision、召回率Recall、mAP等(一文搞懂，建议收藏)
平均召回（Average Recall，AR）概述
weixin_42605076的博客
06-10 2310
在深度学习中，平均召回（Average Recall, AR）是一个衡量模型在不同阈值下的召回率的综合指标，特别常用于目标检测任务。召回率（Recall）指的是模型正确检测出的正样本占所有正样本的比例。换句话说，召回率评估了模型识别所有正样本的能力。平均召回（AR）是对不同阈值下的召回率进行平均得出的指标。在目标检测中，模型通常会在不同的置信度阈值下做出预测。通过在多个阈值下计算召回率并取其平均值，可以更全面地评估模型的性能。平均召回（AR）在目标检测任务中是评估模型性能的重要指标。
mAP、准确率和召回率
07-28
mAP是平均准确率（mean Average Precision）的缩写，是一种常用的性能评估指标。在理解mAP之前，我们需要先了解准确率（Precision）和召回率（Recall）的概念。 准确率（Precision）指的是在所有检索到的文件中，相关文件所占的比率。换句话说，准确率衡量的是检索到的结果中有多少是相关的。 召回率（Recall）指的是在所有相关文件中，检索到的文件所占的比率。换句话说，召回率衡量的是在所有相关文件中有多少被检索到了。 在实际应用中，准确率和召回率往往是相互制约的，即准确率高时召回率低，召回率高时准确率低。这是因为在提高准确率的过程中，可能会漏掉一些相关文件，从而导致召回率降低；而在提高召回率的过程中，可能会引入一些不相关的文件，从而导致准确率降低。 根据应用场景的不同，我们可以选择侧重准确率还是召回率。如果是单纯做搜索，我们可以在保证召回率的情况下提升准确率；如果是做疾病监测或反垃圾等任务，我们可以在保证准确率的条件下提升召回率。当我们需要同时提高准确率和召回率时，可以使用F1值来衡量，F1值是准确率和召回率的调和平均。 mAP是对召回率取平均得到的平均准确率，常用于预测对象以及类的算法中。具体计算公式为：mAP = 1/Q_R * ∑(q∈Q_R)AP(q)，其中Q_R表示检索到的相关文件的数量，AP(q)表示每个相关文件的准确率。mAP的值越高，表示算法在不同类别上的平均性能越好。 总结起来，mAP是一种综合考虑准确率和召回率的性能评估指标，用于衡量算法在多个类别上的平均表现。 #### 引用[.reference_title] - *1* *2* [准确率、召回率及mAP](https://blog.youkuaiyun.com/qq_30999155/article/details/84935444)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [目标框检测中准确率、召回率、AP、mAP计算原理及代码](https://blog.youkuaiyun.com/long630576366/article/details/127079634)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
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