目标检测模型的评价指标(Acc, Precision, Recall, AP, mAP, RoI)

目标检测模型的评价指标(Acc, Precision, Recall, AP, mAP, RoI)

对于一个目标检测模型的好坏，总的来说可以从以下三个方面来评估：

• 分类的精度如何。一般可以用准确度（Accuracy），精度（Precision），召回率（Recall Rate）， PR 曲线，AP，mAP等
• 定位的精度如何。比如 IoU
• 运行的速度如何。比如 fps，一秒处理几张图。

严格说某些场合也会很在意模型的大小，这也是一个研究方向，比如 squeeze net, mobile net, shuffle net 等。所以除了上面三个维度，模型的大小也可以是一个评价维度。

1.基础知识

由于有些指标是统计指标，所以我们先回顾一下相关的统计学知识。
我们在做假设检验的时候会犯两种错误。

• 第一，原假设是正确的，而你判断它为错误的；
• 第二，原假设是错误的，而你判断它为正确的。

我们分别称这两种错误为第一类错误和第二类错误。也许不是很清晰，直接看下面的图（图片来自知乎）就一目了然了。

对于上面的两张图，我们的原假设是没有怀孕。对于第一张图，原假设是对的，但是却判断它为错误的。对于第二张图，原假设是错误的，但是却判断它为正确的。

这个问题如果放到混淆矩阵里面就更清楚了。

真实值（label）\ 预测值	正例	反例
正例	TP	FN
反例	FP	TN

2. 准确度（Accuracy， Acc）

准确度是所有预测中预测正确的比例。

$$Acc=\frac{TP+}{TP+FN+FP+FN}$$