参考:视频讲解
前言
学习记录
对于目标检测来言,使用边界框检测出来物体,那我们如何对其检测效果进行评价,我们可以结合以下三个方面考虑:
- IOU相关的阈值的设置
- 检测类别
- 检测置信度
一、评价指标的定义
基础知识:
TP(True Positive):检测出来的物体与真实框的IOU大于0.5的数量
FP(False Positive):检测出来的物体与真实框的IOU小于0.5的数量
FN(False Negetive):未检测出来的物体
- 精确率
又叫查准率,检测出来的物体中检测准确的个数
P r e c i s i o n = T P / ( T P + F P ) Precision = TP/(TP+FP) Precision=TP/(TP+FP) - 召回率
又叫查全率,真实目标当中被检测准确的个数
R e c a l l = T P / ( T P + F N ) Recall = TP/(TP+FN) Recall=TP/(TP+FN) - AP-Average Precision
P-R曲线下方的面积,这样可以权衡精确率与召回率,使得他俩同时都不低。
P-R曲线是以Recall为横坐标,Precision为纵坐标 - MAP
AP代表的某一类别的P-R曲线面积
MAP代表所有类别的AP取平均
二、评价指标的计算
对于下面这三幅图像进行评价指标的计算
1.前言中三个方面去考虑
依次观察三幅图像:
2.计算Precision、Recall
由于OB为True,所以TP=1
由于只检测一个物体,且OB为True,所以FP=0
由于只检测一个物体,一共有7个物体,所以未检测出来的物体个数为6,故FN=6
依次计算:
绘制P-R曲线:
当Recall相同时,取Precision最高的点,下面的计算代表的就是某一类别的AP计算公式,也就是P-R曲线下方的面积。
MAP是将所有类别AP取平均
三、COCO 评价参考
这里的AP代表的是MAP,也就是多个物体类别的AP取平均
area代表的是一张图像的检测区域大小
maxDets代表的是每张图像的最大检测类别数