mAP（平均精度）是衡量目标检测效果的关键指标，用于评估多分类目标检测任务。该指标关注的是同时检测图像中的多个物体及其位置。文章介绍了GroundTruth、IoU、Precision和Recall等关键概念，并简述了mAP的计算过程。
看了一大堆博客，自己总结了一部分
《目标检测评测指标mAP及计算[译]》，这篇博文很好，本文很多图片引用自它
1. 首先我们来看看mAP是个什么东西，用来干啥
平均精度(mAP, Mean Average Precision)是目标检测问题中最常用的评测指标。这个指标是用来评价多分类目标检测的。
啥是多目标检测？
例如你想在一张图上同时检测出猫、狗、鸭子，这就是多目标检测（当然还得检测出他们的位置在哪儿）
目标检测问题同时包括图片中目标物体的定位和物体的分类：
也就是说，我们不仅要检测出这张图里有哪几个东西，还得知道东西在哪
2. 知识点及术语
2.1 GroundTruth
GroundTruth就是指带标签的原始数据
例如，这是我们的训练集、验证集、测试集中的某个样本：
| Class | X coordinate | Y coordinate |
|---|
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
