目标检测中的mAP浅析

当初理解这个问题时,查了很多资料,特写下自己的理解。

mAP(mean average precision )平均精度均值

precision:检出目标正确率;

recall:目标检出率(很多人翻译为召回率,不好理解);

经典表格
  real A real B
test A TP(true positive) FP(false positive)
test B FN(false negative) TN(true negative)

A.precision=TP/(TP+FP)

A.recall=TP/(TP+FN)

很明显,一个目标检测系统性能的好坏,需要使用precision和recall两个参数,但是我们从小被教育‘简单才是美’,所以我们想要用一个参数来描述目标检测系统性能的好坏。这里我们引入AP(average precision)。

我们可以以precision和recall为笛卡尔坐标系的纵/横坐标轴,根据不同的recall值及其对应的precision值,绘出PR曲线,PR曲线下边的面积就是AP值。

至于不同的recall值(或precision值),可以通过改变IoU(intersection over union)值来实现。

实际上我们使用的时候并不是计算PR曲线下边的面积。假如总样本数是N,A类有M个样本,对其进行Top-N划分:

评论
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