深度学习评价标准：TP、FN、FP、TN、AP、MAP

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：

深度学习中的评价指标

AP与mAP的详解