1. mAP(mean Average precision)
mAP(mean Average precision,平均精度均值)是目标检测和多标签图像分类等任务中常用的评测指标,因为这类任务中的标签数量大多不止一个,因此不能用普通的单标签图像的分类标准,即mean accuracy。mAP指将多类任务中的平均精度(AP)求和再取平均。mAP的相对大小是衡量一个同类任务模型好坏的重要标准之一。下面就mAP的产生分别进行阐述:
(1)准确率(Precision)&召回率(Recall)
假设样本总图像数为 ,预测目标数为 ,干扰目标数为 ,预测正确的正样本数(True Positive)为TP,预测错误的正样本数(False Positive)为FP,预测正确的负样本数(True Negative)为TN,预测错误的负样本数(False Negative)为FN。则准确率(Precision)、召回率(Recall)分别定义如下:
Precision和Recall的区别如图所示: