动手学习深度学习——目标检测指标mAP原理及举例

  文中如有错误，或您有不同的看法，请评论中指出讨论，谢谢。

概念：

  得到检测算法的预测结果后，需要对pred bbox与gt bbox一起评估检测算法的性能，涉及到的评估指标为mAP，那么当一个pred bbox与gt bbox的重合度较高（如IoU score > 0.5），且分类结果也正确时，就可以认为是该pred bbox预测正确，这里也同样涉及到IoU的概念；

1). mAP相关概念

• mAP: mean Average Precision, 即各类别AP的平均值
• AP: PR曲线下面积，后文会详细讲解
• PR曲线: Precision-Recall曲线
• Precision(查准率): TP / (TP + FP)
• Recall(召回率): TP / (TP + FN)
• TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次）
• FP: IoU<=0.5的检测框，或者是检测到同一个GT的多余检测框的数量
• FN: 没有检测到的GT的数量

  不管是Pascal VOC，还是COCO，甚至是人脸检测的wider face数据集，都使用到了AP、mAP的评估方式，那么AP、mAP到底是什么？如何计算的？

2). 以图像检索mAP为例

图像检索的案例取自：https://zhuanlan.zhihu.com/p/48992451

  那么mAP到底是什么东西，如何计算？我们先以图像检索中的mAP为例说明，其实目标检测中mAP与之几乎一样：

  案例背景：目的是为了检验图片检索的算法。

  假设我们要从图库里查找和查询图片1类似的图片，而图库里实际存在图片1_{图片5五张图片是真正与查询图片1相似的。然后调用图片检索算法，设置算法找出的相似度排名前10的图片为最终结果，且计算出的相似度按顺序从大到小依次为返回图片1}返回图片10。然后按图中顺序，每当召回率变化的时候计算一次recall和precision。最后把precision进行平均，即可得到检索算法对于查询图片1的$A{P}_1$。

  换一张查询图片2，重复上述过程，可以计算得到查询图片2的$A{P}_2$。

  那么此时图片检索算法的$mAP=(A{P}_1+A{P}_2)/2$。

3). 目标检测中的mAP案例

  举例到此为止，那么mAP在目标检测中又是什么情况呢？其实和上述过程类似，上述过程的目的改成“为了检验目标检测算法”，而每次的查询图片1和2就相当于目标检测中的多个类别。图库中已知和查询图片相似的图片其实就是目标检测样本的ground truth。图片检索算法得到的10个检索结果就相当于目标检测中某个类别筛选出的bbox，相似度就相当于置信度(score)。既然对mAP在目标检测中的应用有了大致的概念，接下来直接举个例子加深印象。

  假设上图最左边是我们目标检测算法(通常是NMS之后)得到的20个bbox的最原始数据，每个bbox的置信度为score，对应IoU最大的ground truth bbox是gt_label，而预测的类别是pred。

  然后我们按pred预测的类别进行分组，并在每个组内按置信度score进行排序。从而得到上图最右侧的数据表。

  然后根据分组，对每个类别的组，按score从大到小的顺序依次对比gt_label和pred，从而得到TP(真阳)、FP(假阳)和FN(假阴)样本的数量，并依次计算一一对应的precision和recall数组。具体过程见下面三个表格：

  理论上，根据precision及其对应的recall数组，可以绘制出Precision-Recall曲线图(如下三个曲线图)，然后根据曲线图计算每个类别的AP(即图中红虚线围成的面积，这个是VOC2010版本的计算方法)。注意，在recall=x时，precision的数值是$recall\in [x,1]$范围内的最大precision。

  由此，可以计算出 A P 0 = 0.32 , A P