准确率Precision
召回率Recall
其实这个翻译相当蛋疼。。。
recall最合理的翻译应该是 查全率
而Precision的最合理的翻译应该是查准率
这样就很容易理解了,假设一个班级有10个学生,5男5女
你用机器找女生,机器返回了一下结果:
| 男 | 女 | 女 | 男 | 女 | 男 |
那么查准率为:3/6 = 0.5(返回的6个结果只有3个正确
)
查全率为: 3/5 = 0.6 (所有女生有5个,但只找到3个
)
然后就是mAP的解释了,一张图可以说明:
在多个类别的检测中,算出召回率从0到1时的准确率(同一召回率取最高的准确率),计算准确率的平均值。然后对所有类别求平均就可以得到mAP了。
实际的detection比赛中,有多个benchmark。下图是COCO比赛的截图,截止到2017年10月5号:
AveragePrecision(AP):
A
v
e
r
a
g
e
P
r
e
c
i
s
i
o
n
(
A
P
)
:
AP
A
P
% AP at IoU=0.50:0.05:0.95 (primary challenge metric)
AP
A
P
50
50
% AP at IoU=0.50 (PASCAL VOC metric)
AP
A
P
75
75
% AP at IoU=0.75 (strict metric)
APAcrossScales:
A
P
A
c
r
o
s
s
S
c
a
l
e
s
:
AP
A
P
S
S
% AP for small objects: area <
AP
A
P
M
M
% AP for medium objects: < area <
962
96
2
AP
A
P
L
L
% AP for large objects: area >
AverageRecall(AR):
A
v
e
r
a
g
e
R
e
c
a
l
l
(
A
R
)
:
AR
A
R
1 % AR given 1 detection per image
AR
A
R
10 % AR given 10 detections per image
AR
A
R
100 % AR given 100 detections per image
ARAcrossScales:
A
R
A
c
r
o
s
s
S
c
a
l
e
s
:
AR
A
R
S
S
% AR for small objects: area <
AR
A
R
M
M
% AR for medium objects: < area <
962
96
2
AR
A
R
L
L
% AR for large objects: area >