深度学习图像处理（分类or检测）中结果的评价方法-mAP简介

最新推荐文章于 2024-07-27 12:49:56 发布
最新推荐文章于 2024-07-27 12:49:56 发布
阅读量1.6w 收藏 30
点赞数 7
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hust_lmj/article/details/79052559
版权
深度学习中的多标签图像分类任务采用mAP作为评价标准，而非mean accuracy。mAP通过计算P-R曲线、AP及平均AP来评估模型性能。文章详细介绍了P-R曲线的绘制、AP的计算以及mAP的计算过程。
摘要由CSDN通过智能技术生成

多标签图像分类（Multi-label Image Classification）任务中图片的标签不止一个，因此评价不能用普通单标签图像分类的标准，即mean accuracy，该任务采用的是和信息检索中类似的方法—mAP（mean Average Precision）。mAP虽然字面意思和mean accuracy看起来差不多，但是计算方法要繁琐得多。

P-R曲线的绘制

  1. 用训练好的模型得到所有测试样本的confidence score，本例中某一类有20个测试样本。（每一类的P-R曲线、AP均单独计算）
    这里写图片描述
  2. 对该类的confidence score排序，得到：
    这里写图片描述
  3. 计算top-1到top-N（N是所有测试样本个数，本文中为20）对应的precision和recall，这两个标准的定义如下：
最低0.47元/天 解锁文章
天之苍sky
关注
  • 7
    点赞
  • 踩
  • 30
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
深度学习中的mAP
cumtchw
02-05 7918
我们在评价一个模型好坏的时候，经常会用到mAP,下面整理下对这个概念的理解， 1.TP TN FP FN 首先是TP TN FP FN的概念。 T或者N代表的是该样本是否被分类分对，P或者N代表的是该样本被分为什么 TP（True Positives）：意思我们倒着来翻译就是“被分为正样本，并且分对了”， TN（True Negatives）：意思是“被分为负样本，而且分对了”， FP（False Positives）：意思是“被分为正样本，但是分错了”， FN（False Negativ
【数字图像处理之（二）】图像的分类
小焕--的专栏
06-28 9657
在计算机中，按照颜色和灰度的多少可以将图像分为灰度图像、二值图像、索引图像和RGB图像四种基本类型。在计算机中，通常是以数组（或矩阵）的形式储存图像的。 灰度图像： 灰度图像矩阵元素的取值范围通常为[0，255]。因此其数据类型一般为8位无符号整数的【uint8】，这就是人们经常提到的256灰度图像。“0”表示纯黑色，“255”表示纯白色，中间的数字从小到大表示由黑到白的过
深度学习之基础知识整理
石头记
07-20 1036
现在大语言模型很火，但它的基础仍然是以神经网络为基础的深度学习，不懂神经网络，不了解深度学习，对于大语言模型的二次开发也是整不明白。 那到底需要了解哪些知识？才能看懂深度学习/神经网络的基础模型，想要加入AI大潮，想要ALL In ，也是有很高门槛的。至少我自已还差不少知识点。花了点时间，看了一些资料，整理了一下：（注意：整理得很乱且不具备完整性，可能对读者帮助并不大，慎入）。
【深度学习】mAP (Mean Average Precision)
热门推荐
JNing
01-02 6万+
【深度学习】mAP (Mean Average Precision)
深度学习mAP
Rain
01-14 1万+
mAP，其中代表P（Precision）精确率。AP（Average precision）单类标签平均（各个召回率中最大精确率的平均数）的精确率，mAP(Mean Average Precision)所有类标签的平均精确率。 1.准确率(accuracy)、精确率(Precision)、召回率(Recall) 准确率(accuracy),精确率(Precision)和召回率(Recall)是信...
深度学习中Map的概念
不爱读书的小孩-博客
11-21 3830
mAP定义及相关概念 P precision，即 准确率 。 解释：10张图片，每张都有狗、猫，识别到里面有狗也有猫，两者皆有，准确率就高 R recall，即 召回率 。 解释：10张图片，每张都有狗、猫，识别到有狗，召回率就高 mAP: mean Average Precision, 即各类别AP的平均值 AP: PR曲线下面积，后文会详细讲解 PR曲线: Precision...
deep-learning-map:深度学习地图和论文笔记
04-29
深度学习图 深度学习地图和论文笔记。 数学以呈现。 （ ） 注意（2018年6月13日） ：我正在修订列表以围绕更有意义的问题构建它们。 列表（以前的版本）可以在目录previous-lists 。 自述内容： 该回购的内容 深度学习图的愿景 总结 涵盖的主题（在DL地图中） 推荐的深度学习资源 现有的存储库，其中包含有关机器学习的论文摘要 时事通讯 其他资源 发展须知 0.此仓库的内容 论文摘要： summaries/ 有关详细信息，请参见本自述文件中的“摘要”部分。 词汇表 glossary.md 所有进行中的作品 basics-glossary.md 带有LaTeX方程的版本： basics-glossary.ipynb ai-safety-glossary.md 清单 注意：其中许多仅是我自2017年12月以来在阅读中遇到的项目，因此这些列表并不代表我对“最重要的数
深度学习图像处理目标检测图像分割计算机视觉 08--目标检测
guoxinxin0605的博客
12-12 2951
深度学习图像处理目标检测图像分割计算机视觉 08--目标检测摘要一、目标检测1.1 区域卷积神经网络R-CNN1.2 SPP-NET1.3 Fast R-CNN1.4 Faster R-CNN二、代码总结 摘要 本周计划学习目标检测四种网络类型，从原始的R-CNN、到SPP-NET到Fast R-CNN、Faster R-CNN，网络之间的进化史以及改进 的部分。运行一个目标检测的代码。学习甲状腺评分的论文，了解甲状腺评分规则以及现有的评分类论文。毕设目前完成了开题报告和ppt。 一、目标检测 目标检测就是
图像处理之图像分割算法：基于深度学习的分割(如U-Net)：基于深度学习的全景分割
最新发布
kkchenjj的博客
07-27 926
在基于深度学习的图像分割任务中，选择合适的数据集至关重要。描述：Pascal VOC 2012 是一个广泛使用的数据集，包含20个类别，用于物体检测和语义分割任务。图像数量：大约有10,582张图像，分为训练、验证和测试集。Cityscapes描述：Cityscapes 数据集专注于城市街景的分割，包含5000张高质量标注的图像，以及20000张粗略标注的图像。图像数量：训练集有2975张，验证集有500张，测试集有1525张。COCO描述。
目标检测YOLO实战应用案例100讲-基于深度学习的水下图像增强及目标检测算法研究与应用（中）
qq_36130719的博客
04-28 318
和基于深度学习的方法CycleGAN[64]，UGAN[36]，Water-Net[42]，UWGAN[38]（underwaterGAN，水下GAN）和FUnIE-GAN[89]。图4-9为典型的水下色偏的图像，大多数增强方法对其颜色校正的效果有限。比较方法包括传统方法FE[12]，RB[16]，RCP[26]，UDCP[23]，IBLA[28]，Uhaze-line[30]，方法，图像复原方法：RCP[26]，UDCP[23]，IBLA[28]，和Uhaze-line[30]方法，以及基于。
6.SSD求出map精度.zip--深度学习文章6
06-04
--Tensorflow+SSD+Yolo（目标检测）文章6.SSD求出map精度 该资源是本篇文章的操作步骤以及参考帖子的截图，以防参考帖子失效。
深度学习在目标检测当中的应用
07-16
深度学习
【目标检测】基于深度学习的SAR图像船舶目标检测(yolov5算法，附代码和数据集)
学无止境、积少成多、厚积薄发
04-19 864
基于深度学习的SAR图像船舶目标检测(yolov5算法，附代码和数据集)
【深度学习】——模型评估指标MAP计算&实例计算
python_AI_fans的博客
05-24 4171
目录 理论知识： 推导： 理论知识： 参考up主《睿智的目标检测20——利用mAP计算目标检测精确度》 推导：
深度学习系列之 mAP
LeeWanzhi的博客
03-15 9466
mAP：mean Averge Precision，作为object detection中衡量检测精度的指标。 在目标检测中，每一类都可以根据recall和precision绘制P-R曲线，AP就是该曲线下的面积。而mAP就是所有类AP的平均值。 Recall：召回率 召回率也叫查全率，是你预测的样本中实际的正样本数 / 所有的正样本数，所以为了提高召回率，可以多预测。 eg：有1...
深度学习中mAP的含义
martinkeith的博客
07-10 8969
转自：https://blog.csdn.net/shuiyixin/article/details/86349643 一、mAP相关概念 首先要给大家介绍几个常见的模型评价术语， 1、正例与负例 现在假设我们的分类目标只有两类，计为正例（positive）和负例（negtive），然后我们就能得到如下的四种情况： （1）True positives(TP):被正确地划分为正例的个数，即...
【深度学习小常识】什么是mAP？
水亦心的博客
01-12 5万+
目录 一、mAP相关概念 1、正例与负例 2、P（精确率） 3、R（召回率） 4、ACC（准确率） 5、AP（平均精确度） 6、示例 二、mAP 1、mAP简介 2、P—R曲线 学习深度学习，总会有各种各样的概念，对于刚入门的小白来说，真的是越看越迷糊。比如我们今天要说的，什么是mAP？于是我问了一下度娘... 看完这个之后，我的表情是这样的 我们看相关论文的时候...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值