目标检测中的精确率，召回率，AP详解

最新推荐文章于 2025-05-18 18:46:30 发布
转载 最新推荐文章于 2025-05-18 18:46:30 发布 · 1.9k 阅读 · 5 ·
CC 4.0 BY-SA版权
原文链接：https://blog.youkuaiyun.com/liuweiyuxiang/article/details/80111226

本文介绍了评估机器学习模型性能的关键指标，包括查准率、查全率、PR曲线、AP及mAP等，并对比了ROC与AUC曲线在样本类别分布不均情况下的应用优势。

AP、mAP(pr曲线) 和 ROC、AUC

1 混淆矩阵

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2 查准率precision、 查全率recall、pr曲线、AP、mAP

查准率（准确率）—该数据集中分类器认为是飞机的 真正的飞机数 的占比
查全率（召回率）—该数据集所有的飞机中 被正确认为（预测）出来的飞机数 的占比

或者这样理解
查准率（准确率）—分类器认为 的真正飞机数
查全率（召回率）— 事实上 的真正飞机数
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

pr曲线下面的面积就是AP 一个类对应这样一个AP

在这里插入图片描述

数据集中所有的类 平均一下就有了map

3 ROC、AUC

在这里插入图片描述

4 pr 和 ROC 是两个不同的 评价指标和计算方式

在这里插入图片描述
样本类别分布不均时 ROC 曲线可以很好的进行 模型性能的度量

参考文献：
https://blog.youkuaiyun.com/jasonzzj/article/details/62237608
https://blog.youkuaiyun.com/hysteric314/article/details/54093734

YOLO算法：关于目标检测的评价指标（小白入门必读）
小哥谈
10-24 2891
目标检测评价指标是用来衡量目标检测算法性能的指标，主要包括几个指标：精确率（Precision）、召回率（Recall）、交并比（IoU）、平均精度（AP）和多个类别AP的平均值即mAP等等。本节课就给大家重点介绍下目标检测中的相关评价指标及其含义，希望大家学习之后能够有所收获！
精确率、召回率、F1 值、ROC、AUC等分类模型评价指标含义与作用详解
weixin_45459911的博客
03-30 1万+
文章目录摘要一、精确率、召回率、F函数、准确率和错误率1、定义2、区别与应用二、ROC曲线、P-R曲线、AUC1、P-R曲线2、ROC曲线3、AUC 摘要 在涉及机器学习领域的分类问题时（尤其是衡量推荐系统性能时），经常会遇到诸如准确率、召回率、ROC、AUC等名词。本文就来详细阐述一下各类评价指数的具体含义和特点。 一、精确率、召回率、F函数、准确率和错误率 1、定义 结合混淆矩阵进行说明 1...
综合评价模型的缺点_【必备】目标检测中的评价指标有哪些？
weixin_39676021的博客
11-21 868
在人工智能领域，机器学习的效果需要用各种指标来评价。当一个目标检测模型建立好了之后，即模型训练已经完成，我们就可以利用这个模型进行分类识别。那么该如何去评价这个模型的性能呢？上期我们一起学习了全卷积神经网络FCN，今天我们看下目标检测中的评价指标都有哪些？今天我们从交并比，准确率，精度，召回率，FPR, F1-Score, PR曲线，ROC曲线，AP的值，AUC的值以及很重要的mAP指标...
目标检测 — 评价指标
dbsggal90047018的博客
05-22 3852
　　评价指标： 　　准确率 （Accuracy），混淆矩阵 （Confusion Matrix），精确率（Precision），召回率（Recall），平均正确率（AP），mean Average Precision(mAP)，交除并（IoU），ROC + AUC，非极大值抑制（NMS）。 1、准确率 （Accuracy） 　　分对的样本数除以所有的样本数 ，即：准确（分类）率 =...
python:目标检测模型预测准确度计算方式(基于IoU)
09-18
今天小编就为大家分享一篇python:目标检测模型预测准确度计算方式(基于IoU)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
准确率(accuracy),精确率(Precision)和召回率(Recall),AP,mAP的概念
qinglv1的博客
07-03 1975
https://blog.youkuaiyun.com/mdjxy63/article/details/79822555 Average Precision，即平均精确度。 如何衡量一个模型的性能，单纯用precision 和 recall 都不科学。于是人们想到，哎嘛为何不把PR曲线下的面积当做衡量尺度呢？于是就有了AP值这一概念。这里的 average，等于是在单个类别的总样本个数当中对...
检测与分类中的召回率、准确率
heliminlinjuan的博客
09-24 5532
本文整理自wangran51的《准确率召回率》与wangzhiqing3的《准确率与召回率》，原文链接分别为： http://blog.youkuaiyun.com/wangran51/article/details/7579100 http://blog.youkuaiyun.com/wangzhiqing3/article/details/9058523ran51/article/details/7579100
目标检测领域中重要指标 mAP 的详细计算方法解析 目标检测技术里关键评价指标 mAP 如何计算的说明 详解目标检测过程中重要指标 mAP 的计算步骤 目标检测中核心评价指标 mAP 的具体计算方式介
最新发布
08-27
精确率 = TP/(TP+FP)，反映检测结果中真阳性的比例；召回率 = TP/(TP+FN)，反映真实目标被成功检测的比例。得到多组 “P-R” 对后，需通过 “插值法”（如 11 点插值、所有点插值）处理 P-R 曲线，确保曲线单调非增...
目标检测详解
weixin_48579910的博客
07-19 1590
目标检测（Object Detection）是计算机视觉领域中的一个重要任务，旨在识别图像或视频中的多个感兴趣对象，并确定它们的具体位置。目标检测不仅需要分类每个对象，还需要精确定位它们在图像中的位置。目标检测是一个复杂而多样的任务，涉及特征提取、候选区域生成、分类和回归等多个步骤。通过不断优化算法和模型结构，目标检测在各个领域中得到了广泛应用，并将在未来继续发挥重要作用。以下是一些具体算法的细节，以帮助更好地理解目标检测的内部机制。目标检测算法可以分为两大类：基于回归的方法和基于区域的方法。
目标检测评估指标mAP详解：原理与代码
qq_36892712的博客
05-18 1217
在目标检测任务中，mAP（mean Average Precision）是最重要的评估指标之一。精确率（Precision）与召回率（Recall）的平衡关系PR曲线的绘制原理AP（Average Precision）的计算方法多类别场景下的mAP计算附完整代码实现与逐行解析。
准确率、召回率、AP、mAP指标
qq_16009377的博客
04-25 1092
https://blog.youkuaiyun.com/DaGongJiGuoMaLu09/article/details/90169467 这里写目录标题准确率和召回率PR曲线APmAP 准确率和召回率 真实值与预测值之间的关系如下左图所示，右图是二者之间的一个直观表示，同时也能清晰的看出准确率和召回率的具体含义。准确率 P 给出了“预测为真值的样本中确实有多少比例为真值”，召回率 R 则给出了“本来就是真值的样本模型预测出来了多少”。所以，准确率也称为“查准率”，它说明的是预测真值中有多少是对的；召回率也称为“查全
目标检测的评估指标
qq_44807946的博客
03-17 2727
横坐标：假正率(False positive rate， FPR)，FPR = FP / [ FP + TN] ，代表所有负 样本中错误预测为正样本的概率，假警报率；（2）计算其余bounding box与当前最大score与box的IoU，去除IoU大于设定的阈值的bounding box，保留小的IoU得预测框；也叫目标提取，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。，在可视化结果中颜色越深，说明模型在该类的预测准确率越高。
准确率和精确率 目标检测
乐趣是人为构建的，构建是一种莫大的乐趣。
07-07 288
准确率：分类正确的样本占总数的比例； 精确率：分类正确的且为正的样本数占分类为正的样本数的比例；
目标检测算法指标（详细讲解+代码实现）
m0_74055982的博客
05-09 3511
在目标检测算法中，训练出一个模型，想要知道这个模型的效果怎么样，主要是从模型的指标得出的，指标不仅在论文还是在自己学习的过程中，都是十分重要的，下边就来详细介绍一下指标的这个概念。
通俗地讲解目标检测中AP指标
热门推荐
qq_19313495的博客
03-20 3万+
声明：以下内容全是我的个人见解，如有问题，欢迎指正！
目标框检测中准确率、召回率、AP、mAP计算原理及代码
MAX的专栏
09-28 9928
假设有M个真值正样本，我们从Top-1 到 Top-N，每累积一个预测就会对应一个recall 和 一个 precision。,M/M），对每一个recall，从对应的precision 中取最大值作为当前recall 对应的precision，求M 个precision的平均得到AP。一般用 IOU 进行匹配，预测框和真实框之间的 IOU 值大于一定阈值时，比如0.5，则认为对真实样本正确预测。但是Accuracy 不经常使用，因为我们在做目标预测的时候往往只关心正样本，而不去关心负样本是否正确预测。
目标检测-指标
qq_43578042的博客
08-13 1707
目标检测评价指标
有关于目标检测中准确率，精确率，召回率的解释
hu_Mrs的博客
03-22 3379
有关于目标检测中准确率，精确率，召回率的解释
目标检测中召回率和准确率介绍
m0_43400376的博客
04-27 6653
本文节选于《深度学习之pytorch物体检测实战》,供以后复习时查看 目标检测的评价标准 ​    对于一个检测器，我们需要制定一定的规则来评价其好坏，从而选 择需要的检测器。对于图像分类任务来讲，由于其输出是很简单的图像 类别，因此很容易通过判断分类正确的图像数量来进行衡量。     物体检测模型的输出是非结构化的，事先并无法得知输出物体的数量、位置、大小等，因此物体检测的评价算法就稍微复杂一些。对于具 体的某个物体来讲，我们可以从预测
目标检测中AP与mAP计算原理及源码实现详解
Recall（召回率）定义为 TP / (TP + FN)，表示所有真实正例中有多少被成功检测出来。在目标检测中，由于每个类别独立进行评估，我们会针对每一个类别绘制一条Precision-Recall曲线（PR曲线），横轴是Recall，纵轴是...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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