目标检测基础——评价指标

1.交并比

交并比（IOU, Intersetion Over Union）,意思就是交集和并集的比值，用来评价两个几何图形的面积重合度，在目标检测算法模型中，通常被用来计算预测框与真实框的误差（损失函数）或者在非极大值抑制（NMS）算法中用于过滤多余重叠的目标，亦或者在计算mAP时用于判断目标是否被预测到。

2.TP、FP、TN、FN

TP、FP、TN、FN看起来很难分清，但是具体理解了T、F和P、N指示的意思就很容易分清了

TP：T（预测正确）、P（预测为正样本）预测正确的正样本个数

FP：F（预测错误）、P（预测为正样本）表示误检的负样本数量，即模型将无目标的区域错误地判定为目标的数量

TN：T（预测正确）、N（预测为负样本）不可计

FN：F（预测错误）、N（预测为负样本）表示漏检的正样本数量，即模型未能正确地检测到包含目标的区域的数量

用IOU的阈值来判断是否为正负样本

3.精度Precision和召回率Recall

Precision准确率衡量了目标检测器在所有预测结果中预测正确的比例

$$Precision=\frac{TP}{TP+FP}$$

Recall召回率表示真正的正样本中被检测出来的比例

$$Recall=\frac{TP}{TP+FN}$$

4.PR曲线

在目标检测任务中，通常会绘制Precision-Recall（PR）曲线。

这块儿写的很好https://blog.youkuaiyun.com/weixin_43869938/article/details/120732783

按照上述步骤即可绘制PR曲线

5.AP值和mAP值

在PR曲线下面的面积，即Average Precision (AP)值，来衡量目标检测器的性能。（计算AP值时一般将其离散化进而求值）

mAP是多个类别AP的平均值。这个mean的意思是对每个类的AP再求平均，得到的就是mAP的值，mAP的大小一定在[0,1]区间，越大越好。该指标是目标检测算法中最重要的一个。

6.COCO评价指标

官网：https://cocodataset.org/#detection-eval

首先看第一部分的AP：

AP代表 IOU从0.5到0.95，间隔0.05计算一次mAP, 取平均mAP即为最终结果。

AP0.5和AP0.75则分别代表IOU为0.5和0.75的mAP值

第二部分 : AP Across Scales：

代表小、中、大三个类别的mAP，将面积小于32^{2像素点的归为小目标，面积大于96}2的归为大目标，介于二者之间的为中等目标。计算不同目标的mAP。

第三部分：AR

代表查全率。三组分别代表每张图片限定检测1、10、100个目标能够得到相应的Recall的值。

第四部分：AR Across Scales

代表对应不同尺度的Recall值。