Object Detection-评价标准-AP mAP(2)

最新推荐文章于 2025-04-20 20:08:24 发布
最新推荐文章于 2025-04-20 20:08:24 发布
阅读量220 收藏
点赞数
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/leebxo/p/10176505.html
本文深入探讨了目标检测任务中常用的评价指标，如平均精度（Average Precision, AP）、精确率（Precision）、召回率（Recall）等，分析了这些指标在不同场景下的应用及优缺点。

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

转自：huchaowei.com/2018/01/11/详解目标检测任务中的评价指标/

转载于:https://www.cnblogs.com/leebxo/p/10176505.html

评价目标检测(object detection)模型的参数:IOU,AP,mAP
yang_daxia的博客
06-05 7106
首先我们为什么要使用这些呢? 举个简单的例子，假设我们图像里面只有1个目标，但是定位出来10个框，1个正确的，9个错误的，那么你要按(识别出来的正确的目标/总的正确目标)来算，正确率100%，但是其实效果不是很好，而且还有框的各种情况，因此我们需要下面的指标来衡量一个目标检测模型的好坏。 1.IOU(Intersection Over Union) 这是关于一个具体预测的Bounding b...
【模型评估】AP 和他的兄弟们：mAP、AP50、APs、APm、APl
钱多多先森
06-13 1万+
Average precision，简称AP的概念和Python实现
Object Detection-评价标准-AP mAP
weixin_34015566的博客
12-25 191
转自：https://arleyzhang.github.io/articles/c521a01c/ 转载于:https://www.cnblogs.com/leebxo/p/10176251.html
物体定位Object Detection中评价标准mAP的简单介绍
hhb1994的博客
07-26 1897
首先再回顾一下基础的评价标准三件套（假设一共一百学生，男女各半，检测的时候男生全部检测正确，女生有25人分为男生）： 1. 准确率 accuracy:分类对的样本除以总样本个数，这个一般是针对于整个分类任务说的，这里一共分对了男生50人加女生25人也就是分对了75人，acc=0.75 2. 召回率recall，这个是针对某一类来说的，也就是一般说男生的recall,女生的recall，通俗来讲...
Tensorflow学习笔记——ObjectDetectionAPI学习使用
darkeyers的博客
07-12 766
写在前面：在开始ObjDetectionAPI学习之前请确认几个事情。1、识别机器是否可以正常跑Tensorflow1.4版本以上的Demo （即jupyter notebook中那个RunAll的Demo）吐槽一下：Demo中在每一次识别前都要下载对应的模型，而已经下载以后再重新下载就会报错（Python2.7）。2、识别机器是Tensorflow-gpu版。当然如果偏要用CPU去跑也可以 只不...
目标检测模型的评价标准-AP与mAP
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
09-08 2046
为了了解模型的泛化能力，即判断模型的好坏，我们需要用某个指标来衡量，有了评价指标，就可以对比不同模型的优劣，并通过这个指标来进一步调参优化模型。对于分类和回归两类监督模型，分别有各自的评判标准，目标检测模型评价指标主要包含 f1、ap、map、roc计算公式及代码实现与auc曲线绘制等。
BEVDet: High-Performance Multi-Camera 3D Object Detection in Bird-Eye-View
butterflies_的博客
04-20 1023
在自动驾驶场景下，以往工作是目标检测任务用图像视角做，语义分割用BEV视角做。本文提出了BEVDet，实现了一个统一的框架，它模块化设计分为图像编码器，视角转换器，BEV编码器以及BEV空间的3D检测头。然而框架定下来不代表性能好了，BEVDet在BEV空间上过拟合了，这需要在图像空间增加数据增强，但只有在没有BEV Encoder时才会有正效果。此外，由于图像空间到BEV空间是像素级联系的，图像空间的数据增强并不会对BEV编码器与检测头有正则化效果。所以这里我们在来增加鲁棒性。
YOLO-Object-Detection 集成多种yolo模型，作为一个模板进行目标检测.zip
09-06
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，...
【论文阅读笔记】TOOD: Task-aligned One-stage Object Detection
时光机 °的博客
09-23 1218
由于分类和定位学习机制的差异，两个任务学习到的特征空间分布可能不同。当两个任务分支单独预测时，会导致一定程度的不对齐。如下图111所示，上面行是ATSS算法预测的结果，下面行是本文TOOD算法预测的结果。图中黄色框是餐桌的label，分类任务的最佳位置是红色色块，其边框预测为红框；回归任务的最佳位置是绿色色块。从图111可以容易看出，在原有方法训练管道得到的结果，可能会出现分类任务和定位任务的不对齐问题。
目标检测：End-to-End Object Detection with Transformers【方法解读】
sinat_39783664的博客
07-14 646
End-to-End Object Detection with Transformers论文中方法的详细解读
目标检测指标AP50，mAP理解_简单好用
weixin_41176708的博客
10-20 2万+
mAP@50的理解 1.m是不同类别AP50的均值 2.AP50的定义：(50的含义是iou阈值) 已知： 所有图片中某一类目标，有m个标签真实框（框坐标）；n 个预测宽（置信度+框坐标） 若： ① 预测框与真实框的IOU大于IOU_T(=50%),则这个样本为真正例TP=+1； ② 如果小于，则真实框就是 FN= +1，预测框就是假正例 FP = +1 ===> 最后在这基础上，使用置信度Score，划拉预测框的个数，计算PR曲线上的点，根据曲线下面的面积算AP值。 ——————————————
准确率、召回率和mAP、AP50/75
DaGongJiGuoMaLu09的博客
05-13 3万+
1、准确率和召回率 真实值与预测值之间的关系为： 准确率（precision）和召回率（recall）作为统计值，各自的计算方式： P=TPTP+FPP=\frac{TP}{TP+FP}P=TP+FPTP​R=TPTP+FNR=\frac{TP}{TP+FN}R=TP+FNTP​ 准确率 PPP 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 RRR 给出了“本来就是真值的样本模型预测出...
AP，mAP，AP50，coco评价标准
qq_41413211的博客
09-24 3752
每张图片最多预测10个边界框时的average recall。如果取10和取100相差很小，说明数据集中的物体数量没有接近100，平时的参数写10就行。从IOU阈值为0.5到0.95，以0.05为间隔，十个AP的均值。像素面积小于32*32的目标。用来看小目标的检测情况。不同于分类，在这里我们将 iou和阈值比较。是iou阈值=50时求得的AP。coco数据集是什么？AP就是PR曲线的积分，如上文所述。coco里的AP就是mAP。
目标检测评估指标mAP：从Precision,Recall,到AP50-95【未完待续】
专注“目标检测”领域技术分享
09-08 2万+
本文从True Positive, False Positive和False Negative的定义出发，讲解了Precision和Recall的定义，如何绘制P-R(Precision Recall)曲线，如何进一步计算得出AP。本文提供了手动计算所有指标的过程以及用sklearn计算这些指标的代码以及P-R curve的示意图。通过阅读本文你可以从源头开始了解mAP这一指标是如何计算的。
目标检测Object Detection下的P-R曲线，AP，mAP，AUC，ROC曲线详解
catscanner的博客
12-22 9862
目录P-R曲线APmAP P-R曲线 上篇文章我们详细说了一下Detection中的Recall和Precision的计算，P-R曲线就是Precision和Recall画出的曲线。 AP mAP
目标检测评价指标AP50，AP60
Luissen的博客
12-26 4万+
在目标检测中，我们常用AP和mAP来评价模型的好坏，但是在很多论文中出现了AP50，AP60等指标，这是什么呢？ 以Cascade R-CNN的一张图为例，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。可以看到数值越高，精确率越低，表明越难。 ...
tensorflow的object detection api中的evaluation简介
ziliwangmoe的博客
08-04 2270
计算mAP 主要有三种有所区别的计算方式 把confidence分为11份，以11个confidence分别为阈值，计算11个recall和precision，最后计算曲线下面积。 假预测结果里面为positive的数据的个数为num，那么我们最多可以得到num个fp，最少0个fp，也就是recall的可能取值为[1/num, 2/num, ... ,1]。以这num个recall为准，计算...
看懂COCO数据集目标识别性能评价标准AP，AP50，AP75，APsmal等
热门推荐
一江明澈的水的专栏
02-13 4万+
常见机器视觉国际会议论文出现的目标识别评价标准：AP，AP50，AP75等，权威解释如下： Note： 在COCO数据集评价指标中，所有的AP 默认为mAP 。即，AP50=mAP50AP50=mAP50，AP75=mAP75AP75=mAP75，以此类推。   上图中AP的计算方法十分繁琐，来源于早期的VOC challenge，随着VOC的发展，其计算方法也有所变化，例说简述如下： ...
目标检测的NMS，mAP，AP50、75等常识
xiaoleige0713的博客
10-14 3897
目标检测的NMS，mAP，AP50、75等常识 NMS 目标检测中NMS应该是最基本的后续处理操作了，但是刚接触目标检测的时候对怎么使用NMS，何时使用NMS都很模糊，今天在这里Mark一下。 1，NMS是在测试的时候使用的，在训练的时候不用。 2，NMS全称叫非极大值抑制，顾名思义就是把最大的留下来，具体操作是一张图像经过Detector（检测器）检测的目标框按类别进行分类（例如有Dog和Cat两类），然后对按类划分的框按置信度从大到小排序，对这些框按IoU的阈值（一般取0.5）进行过滤，所有与置信度最大
oriented object detection与rotation object detection
最新发布
07-01
我们正在讨论面向对象检测（Oriented ObjectDetection）与旋转对象检测（RotationObject Detection）技术的比较。首先需要明确这两个术语的含义，它们实际上指的是同一类技术，即检测图像中带有任意方向（旋转）的...
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