计算机视觉中的MAP的理解(mean average precision)
精准率(Precision, P值)和召回率(Recall,R值)
在MAP的计算过程中,不得不谈的就是p指和R值,准确率或查准率(P值)Accuracy,指分类的准确率,也就是分类准确的样本与样本总数之比。召回率(R值)Recall中文可以翻译为“查全率”或者通常说的“召回率”,也就是返回的结果希望得到的结果占总样本中所有希望的得到的结果的比例。
下面这张图可以帮助很好的理解:
在上面的图中上部分,左边一整个矩形中(false negative和true positive)的数表示ground truth之中为1的(即为正确的)数据,右边一整个矩形中的数表示ground truth之中为0的数据。
- 精度precision的计算是用检测正确的数据个数/总的检测个数。
- 召回率recall的计算是用检测正确的数据个数/ground truth之中所有正数据个数。
下面我们来讲AP(average precision)
对于AP,一部分理解为PR曲线下的曲线下面积(2010年后),但有部分人理解为相同类别下同一召回率下的的查准率的最大值的平均值(2010年前),所以2010年前的计算标准下是这样的:
2010年后是通过PR曲线下面积AUC(Area under Curve)去判断模型的好坏,只需要设置不同的交并比(IoU)阈值,那么便会产生不同的精确率和召回率,然后将这些数据绘制成一个折线图,就能得到模型的PR曲线。
IOU如下图所示:
AUC如下图所示:
计算其下的面积,便能得到该类的AP。
MAP(mean average precision)
多类的检测中,取每个类AP的平均值,即为mAP,现在的图像分类论文基本都是用mAP作为标准。