【3D目标检测】常见相关指标说明

一、mAP指标

mean Average Precision（平均精度均值），它是目标检测和信息检索等任务中的重要性能指标。mAP 通过综合考虑精度和召回率来衡量模型的总体性能。

1.1 精度（Precision）

表示检索到的目标中实际为正确目标的比例，计算公式为

1.2 召回率（Recall）

表示所有目标中成功被检索到的比例，计算公式为

1.3 平均精度（AP）

• 平均精度表示的是在不同的召回率阈值下，计算模型的平均精度。通常通过绘制 PR 曲线（Precision-Recall 曲线）计算。

• PR 曲线的横轴为召回率，纵轴为精度。AP 是 PR 曲线下的面积，即对该曲线进行积分的结果。

1.4 mAP的计算

• mAP 是对多个类别的 AP 求平均得出的数值。

• 如果目标检测任务中包含 N 个类别，则计算每个类别的 AP，并对所有类别的 AP 取平均，即：

1.5 mAP在2D目标检测的计算

在目标检测中，通常设定一个置信度阈值，用于判定检测结果是否被认为是正例（即预测的目标）。常见的阈值有0.5，即 IOU（交并比）≥ 0.5 被视为有效检测。

比如mAP@0.5表示将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均得到mAP；

mAP@.5:.95表示在不同IoU阈值（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95）上的平均mAP。

def ap_per_class(tp, conf, pred_cls, target_cls, eps=1e-16):
    i = np.argso