【DL】P, AP, mAP

最新推荐文章于 2023-05-31 15:45:59 发布
最新推荐文章于 2023-05-31 15:45:59 发布
阅读量459 收藏 1
点赞数
分类专栏： DL 文章标签： mAP
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baishuo8/article/details/83472510
版权
本文详细介绍了目标检测领域的评价标准，包括Precision（精度）、Average Precision（平均精度）和mean Average Precision（所有类别的平均精度）。通过PR曲线的新方式理解mAP的计算，并纠正了关于精度的旧错误理解。内容涵盖单个类别精度的计算、多个类别平均精度的求和以及最终的mAP计算方法。
摘要由CSDN通过智能技术生成

Backto ML Index

这几个评价标准, 通常都是用在 CV 领域.

new way, 基于 PR 曲线的理解

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.

old way, 错误的理解

这是师爷之前理解和计算方法, 把 Precision 当做 Recall 来计算了. 也记录在此, 做一个教训.

P: Precision 精度

一个模型的准确率指的是对 一张图像而言, 正确预测的某个类别的数量除以这张图像中这个类别的总数

P C = N ( TruePositives ) C N ( TotalObjects ) C P_C = \frac {N(\text{TruePositives})_C}{N(\text{TotalObjects})_C} PC​=N(TotalObjects)C​N(TruePositives)

最低0.47元/天 解锁文章
北境の守卫
关注
专栏目录
YOLOv8改进策略|智慧医疗案例|YOLOv8脊椎骨折检测，在骨折检测方面实现了 96% 的平均精度 (mAP)
sybh的博客
05-29 1168
颈部是脊柱的⼀部分，是贯穿⾝体⼤部分的⻓⽽灵活的结构。颈椎或颈部区域由七块称为椎⻣的⻣头组成，这些 ⻣头被椎间盘分开，如图 1 所⽰。第三⾄第六颈椎显⽰出⼏乎相同的特征，因此被认为是该区域的典型特征。上 部两块颈椎、寰椎（C1）、轴（C2）和第七颈椎（C7）不典型。典型的颈椎（C3 ⾄ C6）具有由相对致密且坚固 的⽪质壳制成的⼩矩形体。C1的主要功能是⽀撑头部。(C2) 有⼀个⼜⼤⼜⾼的⾝体，作为向上突出的巢⽳的基 础。突出椎⻣（C7）是所有颈椎中最⼤的，具有胸椎的许多特征[1]。
DL-Paper精读：Swin Transformer
星月野的博客
07-11 405
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows https://arxiv.org/abs/2103.14030 Transformer在Vision领域的各项任务上已经占据了sota的地位，目前精度最高的模型便是Swin Transformer，一个针对于图像任务的实体分辨率问题进行优化的工作，今天对其进行详细的研究。 Current works and Limitation ViT及Deit等工作..
评价指标——P，AP，MAP
li8zi8fa的博客
07-18 1万+
P：precision，预测正确的个数/测试总个数 AP：average precision，每一类别P值的平均值 MAP：mean average precision，对所有类别的AP取均值 ×××××注意：这里的P与预测顺序有关。             例如：假设有两个查询，查询1有4个相关文档，查询2有5个相关文档。某系统对查询1检索出4个相关文档，其rank分别为1,2,
P，AP， MAP，MRR。几种分类器评价指标
weixin_44616471的博客
09-18 1550
P，AP， MAP，MRR几种分类器评价指标 P准确率（Precision） AP（Average Precision）：平均准确率——平均是对于不同的验证集的平均 MAP（Mean Average Precision）：平均准确率的均值——均值是对于所有类别取均值（二分类的话则针对正样本和负样本的AP取均值，例如：90%的正样本，10%的负样本，如果采用全部输出为正的分类器，那么P正=0.9,...
P、 AP、mAP的关系
Watson的博客
12-17 1928
AP，Precision，Recall, mAP 之间的关系
目标检测的评价指标P,R,mAP
必修居士的博客
06-07 1万+
目标检测的评价指标P,R,mAP1 基本概念1.1 IOU(Intersection over Union)1.2 TP TN FP FN2. 各种率2.1 根据IOU计算Precision、Recall3. PR曲线4. mAP的计算4.1 AP的计算4.2 mAP4.3 mAP@0.5和mAP@0.5:0.95 1 基本概念 1.1 IOU(Intersection over Union) 交集除以并集，这样可以更好的表示两个框的重合程度 1.2 TP TN FP FN TP(Truth Positi
目标检测识别中，mAP，AP，P值的定义与计算
weixin_40369473的博客
10-20 4448
mAP是衡量模型在所有类别上的准确率，是衡量模型的好坏的评价指标。mAP=所有类别的AP之和/类别数，AP是某一个类别的准确率，AP=每张图片的P之和/图片数量，P=（一张图片上某一类别识别的正确数量）/一张图片上某一类别的总数量 比如现在有三张图片，两个类别a,b 第一张图片有两个a,两个b，正确识别出a一个，正确识别出b一个，则这张图片a的P=1/2，b的P=1/2 第二张图片有三个a,...
Windows下的YouTube-dl与FFmpeg下载安装配置
qq_43715602的博客
03-14 4450
YouTube-dl 下载地址 http://ytdl-org.github.io/youtube-dl/download.html 先点击下载并安装环境包 Microsoft Visual C++ 2010 Service Pack 1 Redistributable Package (x86) 然后点击下载 Windows.exe 下载完成之后，放到你指定的目录下 例如： WIN+R输入cmd切换至youtube-dl文件目录下 输入以下命令 D:\Youtubedl>youtube-dl
Echarts-----map（单独省级地图）
qq_34266804的博客
01-21 2万+
  echarts.registerMap('henan', 河南);//hennanJson名称取自henan.js里的var henanJson变量名   这一句有错哎，不知道写成什么了。。。   附上henan.js的代码： /* * Licensed to the Apache Software Foundation (ASF) under one * or ...
转载——神经网络中mAP相关概念
zhaodeming000的博客
10-12 7127
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...
对P, R, ACC, AP, mAP的理解
最新发布
cicy5219的博客
05-31 910
我也举个特殊情况，对于例题中的100次预测，如果我全部预测1次为P，99次为N，可能恰好这个P是预测正确的，即TP = 1, FP = 0, TN = 80, FN = 19。也就是我这么预测，对于预测为正的次数中，我是一击即中，再击没有了，做了回一秒真男人，但是总共有20个正样本，我只找出了1个，所以召回率就低了。前面精准率，召回率，都是关注点在正样本上，但是对于分类任务来说，预测正确与否，不单单是看正样本，负样本你预测为负，那也是一种正确。假如样本数量100，正样本20，负样本80；
扫盲记-第七篇--常见深度学习模型评估指标
weixin_30719711的博客
03-23 948
深度学习模型评估指标 一个深度学习模型在各类任务中的表现都需要定量的指标进行评估，才能够进行横向的对比比较，包含了分类、回归、质量评估、生成模型中常用的指标。 1 分类评测指标 图像分类是计算机视觉中最基础的一个任务，也是几乎所有的基准模型进行比较的任务，从最开始比较简单的10分类的灰度图像手写数字识别mnist，到后来更大一点的10分类的cifar10和100分类的cifar100，到后来...
P-R曲线和mAP的简易理解
Setul
04-03 4653
目标检测任务，常使用mAP这一评价标准来判断分类是否准确。 1. 精度(precision)和召回率(recall) 关注一个二分类问题，如判断一个照片是不是一辆车。 对于一个样本，如果其本身确实是一辆车。经过预测之后，这个样本是车的概率是0.6，这时候我们需要有一个阈值，设定阈值为0.7，那么由于0.6<0.7，这个样本是个负样本（即不是车），是Negative，这个判断是错误的，即Fal...
深度学习中的AP和mAP总结
beizhengren的博客
10-26 1万+
1. IOU是什么 首先给出IOU定义 Bp是预测框（predicted bounding box）。 Bgt是真实标注的框（ground truth bounding box）。 IOU就是Bp与Bgt的区域交集面积大小除以并集面积大小，如下图 2. Precision和Recall是什么 2.1 TP、FP、FN、TN True Positive (TP): 是一种正确的检测，检测的 IOU ≥ threshold。 False Positive (FP): 是一种错误的检测， 检测的 IOU &l
性能评价指标（P AP mAP）
shine的博客
11-29 4265
性能评价指标： 评价模型的好坏的各种不同的指标。常用的性能评价指标有：错误率&amp;精度、准确率&amp;召回率、AP&amp;mAP等。 错误率&amp;精度 针对数据集D和学习器f而言： 1、错误率：分类错误的样本数占总样本的比例 2、精度：分类正确的样本数占总样本的比例 准确率&amp;召回率 信息检索中，我们经常会关心“检索出的信息有多少比例是用户感兴趣的”以及“用户感...
ap、mAP多标签图像分类任务的评价方法
海之崖的专栏
01-09 3万+
多标签图像分类（Multi-label   Image  Classification）任务中图片的标签不止一个，因此评价不能用普通单标签图像分类的标准，即mean  accuracy，该任务采用的是和信息检索中类似的方法—mAP（mean Average  Precision）。
信息检索（IR）的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC
热门推荐
架构和代码
07-06 5万+
在信息检索、分类体系中，有一系列的指标，搞清楚这些指标对于评价检索和分类性能非常重要，因此最近根据网友的博客做了一个汇总。准确率、召回率、F1信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate)，召回率也叫查全率，准确率也叫查准率，概念公式:             召回率(Recall)      =  系统检索到的相关文件 /
信息检索IR的评价指标
weixin_30689307的博客
01-18 882
信息检索评价是对信息检索系统性能（主要满足用户信息需求的能力）进行评估的活动。通过评估可以评价不同技术的优劣，不同因素对系统的影响，从而促进本领域研究水平的不断提高。信息检索系统的目标是较少消耗情况下尽快、全面返回准确的结果。 IR的评价指标，通常分为三个方面：（1）效率(Efficiency)—可以采用通常的评价方法：时间开销、空间开销、响应速度。（2）效果(Effectiveness)：返回...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值