Object Detection 中的 Recall 和 mAP 实验指标的计算

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 $I$ 上标注有5个苹果，而物体检测模型在 $I$ 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：

其中“Rank"表示识别的10个苹果的得分排名；“Correct?”表示所识别的物体是否真的是苹果，若真为苹果，则为true，否则为false；“Precision”表示准确度，“Recall”表示召回率，计算公式如下：

$$\begin{array}{lllr}{\text{Precision}}_N& =& \frac{{\sum }_{i=1}^{N}1(\text{Correct?=True})}{N}& (1)\\ {\text{Recall}}_N& =& \frac{{\sum }_{i=1}^{N}1(\text{Correct?=True})}{M}& (2)\end{array}$$

其中 $M$ 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