由于coco数据集上对于average recall的解释只有一句话不易理解,这里做一个解释。
AR是 IoU在[0.5,1.0] 上所有Recall(每个IoU阈值下的最大Recall)的平均。是Recall-IoU 曲线所围成的面积的两倍。
n为每张图片中所有GroundTruth bbox与最与GroundTruth bbox接近的DetectionResult bbox的重叠部分的数量(overlaps、proposals),即coco指标中的maxDets。
AR是衡量一个模型检测框的定位是否准确的指标(对检测器漏检情况的评判指标)。
AR是由What makes for effective detection proposals?
(https://arxiv.org/pdf/1502.05082.pdf)这篇文章提出
具体的代码实现为(https://github.com/hosang/detection-proposals/blob/master/recall/compute_average_recall.m):
[1]: https://manalelaidouni.github.io/manalelaidouni.github.io/Evaluating-Object-Detection-Models-Guide-to-Performance-Metrics.html#average-recall-ar
[2]: https://arxiv.org/pdf/1502.05082.pdf
[3]: https://github.com/hosang/detection-proposals
————————————————
原文链接:https://blog.csdn.net/aaayushu/article/details/106236370