mAP计算

最新推荐文章于 2024-08-07 11:37:42 发布
最新推荐文章于 2024-08-07 11:37:42 发布
阅读量8.7k 收藏 10
点赞数
分类专栏： caffe
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/jay463261929/article/details/78734383
版权
本文详细介绍了SSD和Faster R-CNN两种目标检测模型计算mAP值的方法。对于SSD，提供了三种计算方式：11-point、MaxIntegral和Integral，并指出了在Caffe中计算mAP的相关源码和参数设置。而在Faster R-CNN中，既有Python实现也有MATLAB实现，并讨论了使用voc_eval函数进行mAP计算的不同选项。
摘要由CSDN通过智能技术生成

SSD计算mAP值

https://github.com/weiliu89/caffe

3种计算方法：

参考文献： https://sanchom.wordpress.com/tag/average-precision/

mAP = 相邻召回率的间隔*准确率;   #其实就是离散函数积分求面积

 

11point：只用到准确率，11-point interpolated average precision，默认召回率的间隔是{0,0.1, 0.2, …, 0.9, 1.0}，VOC2007 style for computing AP.

MaxIntegral：使用准确率、召回率；VOC2012or ILSVRC style for computing AP. 召回率的间隔是从后往前计算。

Integral：与MaxIntegral差不多，只是从前往后计算；为默认参数

最低0.47元/天 解锁文章
jay463261929
关注
专栏目录
SSD-tensorflow Windows环境下，mAP的计算
qq_28664681的博客
08-08 762
SSD-tensorflow Windows环境下，mAP的计算 我的SSD是tensorflow版的，该版本里面提供的eval_ssd_network.py不能使用，或是没有mAP计算的代码，根据查找资料，明白了计算的原理，并最终在demo的代码上进行修改，生成可用的获取detection_boxes。 1.该方法的原理 使用训练好的模型检测test图片，并将检测生成的类别name，score，boxes保存到TXT文本中。 读取test图片的annotations，将ground truth保存在TX
Tensorflow+SSD+Yolo（目标检测）文章6：SSD求出map精度
Lininggggggg的博客
06-04 1758
6.SSD求出map精度 （写在每篇深度学习文章系列的前面，该系列的文章是我2019年做毕设时的步骤总结，是能实现的，不和其他很多博客一样瞎糊弄人浪费时间。写下这些文章一方面为了方便后来者，一方面也为了自己以后的步骤复现等。 另外，如果我给的那些参考帖子看不了了，可以到我的博客下载区那里去下载对应的压缩文件，我把里面所有的链接网页都截了长图，所以不用担心我给的参考帖子链接失效。 其次，如果我给的参...
目标检测mAP计算代码
11-24
目标检测mAP计算代码，对于VOC数据集，需要有训练好的模型和已标注的VOC数据集。。。。。。。。。。。。。
目标检测map代码分析
最新发布
zhuangyuan7838的博客
08-07 862
统计各个类别的所有框的json：airplane_dr.json，遍历所有预测框，把该类别的所有框都写进来，格式是{“confidence”:confidence, “file_id”:file_id, “bbox”:bbox，经过按照confidence从高到低排序。根据ap的计算公式可以看到，rec没有变化的区间内，区间内取准确率是取最后的索引值(讲道理应该取最大的啊，也就是mpre[]i-1才对嘛)也就意味着，置信度低的框，其tp的个数统计趋于平稳，fp会增加。将召回率前面加个0，后面加个1。
Map源码分析
qq_37894486的博客
04-05 655
Map源码其实没什么好分析的，因为只是一个最顶层集合的接口；但是为了后续能够分析各个Map实现类的源码(如下图)，还是先了解一下Map的方法接口和一些细节。（JDK版本1.8）int size();//获取集合元素个数boolean isEmpty();//判断几个是否为空boolean containsKey(Object key);//判断集合里是否有这个key，如果传入的key类型不是集合对...
如何计算Map
IPSG
10-12 1063
一、VOC07 11点计算法 在VOC2010以前，只需要选取当Recall >= 0, 0.1, 0.2, …, 1共11个点时的Precision最大值，然后AP就是这11个Precision的平均值。在VOC2010及以后，需要针对每一个不同的Recall值（包括0和1），选取其大于等于这些Recall值时的Precision最大值，然后计算PR曲线下面积作为AP值。 # 11 point metric ap = 0. for t in np.arange(0., 1.
最完整的检测模型评估指标mAP计算指南（附代码）在这里！
Hahafly1234的博客
09-02 1413
http://baijiahao.baidu.com/s?id=1605049172612184744&wfr=spider&for=pc
目标检测指标map+map计算代码+map计算列子(包含gt与pred输入)
12-24
本文将直接介绍计算map核心代码简单列子，在此基础上介绍整个即插即用map计算模块使用方法与代码解读。该资源便是列子内容，可参考“史上最全AP、mAP通用代码实现(即插即用-基于yolo模型)”博客。
darknet yolov3 mAP 计算python3代码
09-23
在计算机视觉领域，YOLO（You Only Look Once）是一种...总的来说，这个项目提供了从训练到评估YOLOv3模型的完整流程，对于学习和实践目标检测，尤其是了解如何使用Darknet和Python进行mAP计算，具有很高的参考价值。
Darket yolov3 MAP计算
weixin_44769034的博客
03-27 3623
mAP计算代码链接： https://github.com/Cartucho/mAP 在\mAP-master\input目录下有三个文件夹，如图。我们需将每个文件夹下的文件替换为自己的数据集所对应的文件。 1.detection-results文件夹 此文件夹下存放yolov3测试所生成的文本文件。 1.1测试命令及结果文件 darknet.exe detector valid data/train5bottle.data yolov3-bottle.cfg backup/yolov3-bottle_l
Recall, Precision, and Average Precision
热门推荐
三少GG
11-27 1万+
信息检索（IR）的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC 分类： 1.自然语言处理/机器学习 在信息检索、分类体系中，有一系列的指标，搞清楚这些指标对于评价检索和分类性能非常重要，因此最近根据网友的博客做了一个汇总。 准确率、召回率、F1 信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precisio
目标检测YOLOv3实战：叶病虫害检测（5）
qq_60880381的博客
12-11 315
在目标检测实验中，我们采用了叶病虫害数据集，实验过程中，我们对数据集进行了预处理，包括图像增强、缩放和裁剪等操作。针对实验结果，我们计算了模型在测试集上的准确率、精确率、召回率和 F1 值。整体而言，我们的模型在目标检测任务上表现良好。总体而言，我们的实验结果显示出模型在目标检测任务上的良好性能，但仍有一些改进的空间。未来的研究方向可以包括优化模型结构、改进数据增强策略、进一步处理小目标等。通过不断地改进和优化，我们相信目标检测模型在实际应用中将发挥更大的作用。
PaddleDetection配置文件注释
靡不有初 鲜克有终
04-16 3851
1、YOLOv4 architecture: YOLOv4 use_gpu: true max_iters: 140000 #可以理解为训练总次数，即迭代次数，一共喂网络多少次batch_size的数据 log_iter: 200 #打印日志log的间隔 save_dir: output snapshot_iter: 2000 #保存测试精度的间隔 metric: VOC pretrain_weights: https://paddlemodels.bj..
mAP（mean average precision）平均精度均值
devil_son1234的博客
05-26 1643
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，以下是mAP的计算方法： 首先用训练好的模型得到所有测试样本的confidence score，每一类（如car）的confidence score保
卷积神经网络学习路线（五）| 卷积神经网络参数设置，提高泛化能力？
I good vegetable a!
12-13 1831
前言 这是卷积神经网络学习路线的第五篇文章，主要为大家介绍一下卷积层的参数设置以及介绍我从业CV领域这一年半载在训练CNN主要用了哪些参数调整方法和网络结构调整策略，希望可以帮助到大家。 卷积层的参数设置 ...
mAP详解
weixin_43742276的博客
04-21 394
1、理解各类名词 在了解mAP时，需要先了解一些名词： IOU IOU=pre⋂tarpre⋃tarIOU = \frac{pre\bigcap tar}{pre\bigcup tar}IOU=pre⋃tarpre⋂tar​ pre表示预测出来的框，tar表示目标框（准确的框） True Positive： IOU>0.5IOU>0.5IOU>0.5 0.5为阈值（可自行调整），在IOU的值大于一定阈值时，就设为定位准确，表示定位成功 False Positive： 0<IOU&l
solver参数
Lucky_girlhehui的博客
10-27 1155
solver.prototxt DL的任务中，几乎找不到解析解，所以将其转化为数学中的优化问题。sovler的主要作用就是交替调用前向传导和反向传导 (forward &amp; backward) 来更新神经网络的连接权值，从而达到最小化loss，实际上就是迭代优化算法中的参数。 Caffe的solver类提供了6种优化算法，配置文件中可以通过type关键字设置：     Stochast...
KITTI数据集格式转换为PASCAL格式及11point方法
weixin_30856965的博客
03-09 198
;; UPDATE: For KITTI users, you may find `br-dired-kitti-label-to-xml' useful;; Usage for KITTI dataset (M-x means Alt+x):;; (1) open this file in emacs.;; (2) modify the above (setq kitti-image-ro...
评论
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