mAP等基本概念

目录

召回率、准确率

mAP

top-1和top-5准确率

IOU

---

召回率、准确率

http://www.6aiq.com/article/1549986548173

召回率：预测正确的正样本占总样本中正样本的百分比

精确率：预测成为正样本中预测正确的 / 预测成为正样本的个数

准确率：

准确率 =(TP+TN)/(TP+TN+FP+FN)

mAP

https://medium.com/@jonathan_hui/map-mean-average-precision-for-object-detection-45c121a31173

 

知乎上的一篇：

https://blog.csdn.net/qq_36401512/article/details/87916482

APs,APm,APl：

https://blog.csdn.net/qq_36401512/article/details/88248605

 

coco数据集评价指标

https://www.jianshu.com/p/d7a06a720a2b

 

1、AP

假设我们准备了一个数据集，只有五个苹果，其他是非苹果，指定IoU≥0.5是预测正确，根据召回率和准确率，我们可以绘制一条曲线。

平均精度（AP）的一般定义是在上面的曲线下找到面积。

精度和召回总是在0和1之间。因此，AP也在0和1之间。在为对象检测计算AP之前，我们通常首先平滑锯齿形图案。

在图形上，在每个召回级别，我们将每个精度值替换为该召回级别右侧的最大精度值。

因此橙色线转换为绿线，曲线将单调减少而不是锯齿形图案。对于排名的微小变化，计算出的AP值将不那么可疑。在数学上，我们用召回的精度值ȓ替换任何召回的最大精度≥ȓ。

1.1、插值AP

在Pascal VOC2008中，计算11点插值AP的平均值。

首先，我们将召回值从0分为1.0分为11分 - 0,0.1,0.2，......，0.9和1.0。接下来，我们计算这11个召回值的最大精度值的平均值。

 

2、mAP

https://www.cnblogs.com/klitech/p/9242700.html

目标检测中衡量识别精度的指标是mAP（mean average precision）。多个类别物体检测中，每一个类别都可以根据recall和precision绘制一条曲线，AP就是该曲线下的面积，mAP是多个类别AP的平均值

focal loss:

https://blog.csdn.net/LeeWanzhi/article/details/80069592

 

top-1和top-5准确率

ImageNet有大概1000个分类，而模型预测某张图片时，会给出1000个按概率从高到低的类别排名，

　　所谓的Top-1 Accuracy是指排名第一的类别与实际结果相符的准确率，

　　而Top-5 Accuracy是指排名前五的类别包含实际结果的准确率。

IOU

https://blog.csdn.net/eddy_zheng/article/details/52126641