Recall(召回率)和mAP(平均精确度)是Object Detection(OD)中常用的两个用于评测模型好坏的指标。下面简要介绍下这两种指标的计算方式。
这里以一个例子来展开。假设一张图片 I I I 上标注有5个苹果,而物体检测模型在 I I I 上将10个物体都识别为苹果,具体结果如下表所式,则对于“苹果”这一类,其Recall和mAP为:
![](https://img-blog.csdnimg.cn/20190119203234259.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RlZXBpbkM=,size_16,color_FFFFFF,t_70)
Precision N = ∑ i = 1 N 1 ( Correct?=True ) N ( 1 ) Recall N = ∑ i = 1 N 1 ( Correct?=True ) M ( 2 ) \begin{array}{lllr} \text{Precision}_N &=& \frac{\sum_{i=1}^N{\bf{1}(\text{Correct?=True})}}{N} & (1)\\[1em] \text{Recall}_N &=& \frac{\sum_{i=1}^N{\bf{1}(\text{Correct?=True})}}{M} & (2) \end{array} PrecisionNRecallN==N∑i=1N1(Correct?=True)M∑i=1N1(Correct?=True)(1)(2)
其中 M M M 表示在这张测试图片上所有属于指定类别的物体数量。在该例中 M = 5 M=5