本文共 868 字,大约阅读时间需要 2 分钟。
作者:nowgood
链接:https://www.zhihu.com/question/53405779/answer/506000532 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。目标检测中衡量识别精度的指标是mAP(mean average precision)。多个类别物体检测中,每一个类别都可以根据recall和precision绘制一条曲线,AP就是该曲线下的面积,mAP是多个类别AP的平均值
然后重点计算某一个类别的 AP 了, 也就是如何画 P-R 曲线, 就目标检测而言, 可能大家困惑的点在于 TP, FP 如何计算, 下面以猫咪这一类为例说明
召回率(Recall)是从数据集的同一类的样本抽样, 而Precision是从已经预测为同一类别的样本抽样
Precision
查准率(Precision)是针对预测结果而言的,它表示的是预测为正的样本中有多少是真正的正样本。
所有预测为猫咪类的框
Recall
召回率(Recall, 又称为 TPR)是针对原来的样本而言的,它表示的是样本中的正例有多少被预测正确了。
样本中猫咪的所有真实框, 这个容易知道
在所有预测为猫咪类的框中, 具有怎么样的特征的框才是 TP 和 FP 呢?
计算流程
2. 猫咪类别的Positive Prediction下,对于某一确定 IOU threshold,