目标检测评价指标解释（precision, recall, mAP）

最新推荐文章于 2024-05-05 09:18:48 发布
最新推荐文章于 2024-05-05 09:18:48 发布
阅读量8.5k 收藏 6
点赞数 2
分类专栏： Deep-Learn 图像识别 文章标签： 预测
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/chenhuahui1993/article/details/78116514
版权

目标检测评价指标解释（precision, recall, mAP）

Reference:
https://nlp.stanford.edu/IR-book/html/htmledition/evaluation-of-ranked-retrieval-results-1.html

TP, FP, FN, TN

这些指标都源于下表

～~预测预测
～~10
实际1TPFN
实际0FPTN

Precistion Recall

Precision(预测正例正确占所有预测正例的比重) = TP / (TP + FP)

Recall = Ture Positive Rate(分类器识别的正例占) = TP/(TP + FN)

False positive rate = FP / (FP + TN)

False alarm = FP / (FP + TP)
2 / F_1 = 1 / Recall + 1 / Precision
mAP = \int_{1}^{1} P(r) dr
P是修正的Precision
R是Recall

DRer
关注
  • 2
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
目标检测模型的评价指标(Acc, Precision, Recall, AP, mAP, RoI)
生命在于折腾！
03-24 4万+
目标检测模型的评价指标(Acc, Precision, Recall, AP, mAP, RoI) 对于一个目标检测模型的好坏，总的来说可以从以下三个方面来评估： 分类的精度如何。一般可以用准确度（Accuracy），精度（Precision），召回率（Recall Rate）， PR 曲线，AP，mAP等 定位的精度如何。比如 IoU 运行的速度如何。比如 fps，一秒处理几张图。 严格说某...
目标检测各常见评价指标详解
xiaobaizaza_Ry的博客
02-19 1536
评价指标介绍：准确率 （Accuracy），混淆矩阵 （Confusion Matrix），精确率（Precision），召回率（Recall），平均正确率（AP），mean Average Precision(mAP)，交除并（IoU），ROC + AUC，非极大值抑制（NMS）。
基于LSTM算法的时间序列预测及指标计算：单输入单输出预测、代码注释详细，数据存入Excel方便替换，R2、MAE、MBE等指标应用
最新发布
efrebaky的博客
05-05 436
通过编写详细注释的代码，并使用Excel进行数据存储和指标计算，我们可以有效地实现该算法，并进行准确的时间序列预测和分析。通过本文的学习和实践，读者可以深入了解LSTM算法及其在时间序列分析中的应用，并在实际项目中进行应用和优化。基于长短期记忆网络算法LSTM的时间序列预测是一种常用的时间序列分析方法，它通过学习历史数据的模式，利用神经网络的记忆和推理能力来预测未来的数值。在模型的构建过程中，我们可以选择适当的网络结构、激活函数、优化器等参数，并设置合适的训练和验证策略。代码含详细注释，不负责。
【小知识】目标检测各类指标概念总结
capsule的博客
01-19 3530
目标检测论文中出现过很多容易混淆的评价指标，比如，包括最基本的AP、mAP这些定义，索性将这些基本概念搞清楚，做个总结。
目标检测常用的评价指标
hu_wei123的博客
07-07 1109
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor−based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoUDIoUCIoUEIoU，下面我们一起看一下这几种IoU。
目标检测模型性能衡量指标、MS COCO数据集的评价标准以及不同指标的选择推荐
Le0v1n 的博客
05-08 4524
1. 目标检测模型性能衡量指标；2. MS COCO数据集的评价标准；3. 不同指标的选择推荐
100.目标检测的性能评价指标1
08-03
【标签】：“目标检测，mAP，平均精度均值，评价指标，FPS” 【正文】： 目标检测是计算机视觉领域中的关键任务，它的目的是在图像中定位并识别不同的对象。为了评估目标检测算法的性能，通常会使用一系列的评价...
EvaluationMetrics:标准信息检索评估指标实施 - Recall、Precision 和 MAP
06-22
评价指标 标准信息检索评估指标实施。 召回、精确度和 MAP。 作为信息检索和网络搜索模块的一部分开发。 都柏林格里菲斯学院 - 计算机硕士
目标检测方法总结1
08-03
目标检测的评估 metrics 包括精度（Precision）、召回率（Recall）、平均精度（AP）、平均平均精度（mAP）、交并比（IoU）和帧率（FPS）。当一幅图像中存在多个不同类别的目标对象时，精度和召回率将分别计算每个...
结合HOG和SVM的目标检测方法1
08-08
结合HOG和SVM的目标检测方法 本文总结了结合HOG和SVM的目标检测...2. 测试阶段的mAP计算：iou阈值≥0.5为TP，iou为FP，计算Precision、Recall和AP值。 该方法结合HOG和SVM实现了目标检测任务，取得了较好的检测结果。
2018.5-2019.1基于FPGA平台的目标检测网络实现 fpga开发.pdf
04-22
- mAP测试是评估目标检测性能的关键指标，通过计算IOU（Intersection over Union）超过0.5的标签匹配情况，绘制PR（Precision-Recall）曲线，并积分得到mAP。 4. **网络结构的优化**： - 结构调整主要是为了适应...
IoU、Precision、Recall、AP、mAP详解
qq_27155171的博客
10-10 3936
目标检测中的IoU、Precision、Recall、AP、mAP详解
【机器学习】目标检测常用评价指标
一顿输出
04-24 2206
这几个值的全称分别是： FP：假正例 FN：假负例 TP：真正例 TN：真负例。 一下子记不住也没关系. 接下来介绍一下我是怎么记忆的： 首先看第二个字母，它表示预测的结果（也就是预测为真或预测为假）。 然后看第一个字母，它表示本次预测是否预测对了，为防止歧义，可以理解为猜谜猜对了没有。 举个栗子：以FP为例。先看第二个字母：P表示预测的结果为真；再看第一个字母：F表示这个预测结果是错误的，因此真正的类别应该是假。 ----END---- 完结撒花~ ...
【目标检测必学】快速理解IOU、Recall、Precision、AP、mAP检测指标
qq_45193872的博客
03-03 6421
学习目标： 总结了几篇个人认为深入浅出的目标检测性能指标相关博客，希望通过这次笔记能帮助到还不理解的同学！ **理解目标检测中常用的性能检测指标mAP、IOU、Recall、Precision,**通过约30分钟的阅读深刻理解并掌握这几个常见指标的运用。
目标检测中precision、recall、AP、mAP的含义
热门推荐
yangzzguang的博客
06-01 3万+
        在阅读目标检测相关的论文中遇到评估模型性能时使用mAP这一概念，为此查阅相关资料来进行理解。与mAP相关的还有平均精度（AP）、平均精度均值（mAP）、查准率（precision）、查全率（recall）、IOU、置信度阈值（confidence thresholds）等概念。         查准率（precision）和查全率（recall）。对于二分类问题，可将样例根据其真实...
目标检测——RCNN
PRIS-SCMonkey的博客
03-01 546
论文：Rich feature hierarchies for accurate object detection and semantic segmentation【用于精确物体定位和语义分割的丰富特征层次结构】 论文链接：https://arxiv.org/pdf/1311.2524v3.pdf 论文翻译：https://blog.csdn.net/v1_vivian/article/deta...
深度学习图像处理（分类or检测）中结果的评价方法-mAP简介
Mingjian_LI的博客
01-13 1万+
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）。mAP虽然字面意思和mean accuracy看起来差不多，但是计算方法要繁琐得多。 P-R曲线的绘制
目标检测评价指标Precision Recall AP mAP
DLUT_yan的博客
09-24 2395
什么是IoU 在目标检测算法中，我们经常需要评价2个矩形框之间的相似性，直观来看可以通过比较2个框的距离、重叠面积等计算得到相似性，而IoU指标恰好可以实现这样的度量。简而言之，IoU（intersection over union，交并比）是目标检测算法中用来评价2个矩形框之间相似度的指标 IoU = 两个矩形框相交的面积 / 两个矩形框相并的面积，如下图所示： 什么是TP TN FP FN ...
深度学习中的参数：recall precision mAP
cmsbupt的专栏
12-12 385
http://tarangshah.com/blog/2018-01-27/what-is-map-understanding-the-statistic-of-choice-for-comparing-object-detection-models/     https://blog.csdn.net/hysteric314/article/details/54093734  
precision recall map
09-21
Precision（精确率）是指在所有被识别为正样本的样本中，真正为正样本的比例。它的计算公式是：precision = tp / (tp + fp)，其中tp表示真正为正样本的数量，fp表示误识别为正样本的数量。在给定的例子中，precision = 0.75，意味着识别为飞机的图片中，真正为飞机的图片占比为0.75。 Recall（召回率）是指在所有真正的正样本中，被正确识别为正样本的比例。它的计算公式是：recall = tp / (tp + fn)，其中tp表示真正为正样本的数量，fn表示未被识别为正样本的数量。在给定的例子中，recall = 0.6，即所有飞机图片中，有0.6的飞机被正确识别为飞机。 mAP（平均精度均值）是目标检测中常用的评估指标，用于衡量模型的性能。mAP是Precision-Recall曲线下的面积，表示所有可能的阈值下的平均精度值。mAP的范围在0到1之间，数值越高表示模型性能越好。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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