深度学习评价标准:TP、FN、FP、TN、AP、MAP
1、TP、FN、FP、TN
Confusion matrix | Predict | ||
1 | 0 | ||
Real | 1 | a | b |
0 | c | d |
TP(a):实际正类预测为正类的数量;FN(b):实际正类预测为负类的数量
FP(c):实际负类预测为正类的数量;TN(d):实际负类预测为负类的数量
T=True,F=False,表示是否预测正确;P=Positive,N=Negative,表示预测结果是正类还是负类。
精确率: ;召回率:
;准确率:
2、AP、MAP
对于某个类别C,在某一张图片上计算类别C的Precision = 该图片上类别C正确识别个数(IoU>0.5)/ 该图片上类别C的总个数
可能在多张图片上有类别C,计算类别C的AP = 每张图片上的Precision求和 / 含有类别C的图片数
对于整个数据集,存在多个类别C1、C2、C3,计算mAP = 所有类别的AP和 / 总的类别数,相当于所有类别的AP的平均值
参考: