Average Recall(AR)相关解释

jackylzh

已于 2022-06-30 20:10:28 修改

阅读量1k

点赞数 1

文章标签：大数据

于 2022-06-30 19:54:17 首次发布

原文链接：https://blog.csdn.net/aaayushu/article/details/106236370

版权

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。

## 新的改变

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。

在这里插入图片描述

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。

在这里插入图片描述

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）：

在这里插入图片描述

[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

https://arxiv.org/abs/1502.05082