目标检测网络训练时会得到coco的一系列评价列表。那么这些数都代表什么意思呢。
首先要明确几个概念
TP(True Positive):IOU>0.5的检测框的数量(同一个Ground True只计算一次。认为匹配成公)。
FP(False Positive):IOU<=0.5的检测框(假正类,认为它是但它不是)。
FN(False Negative):没有检测到的GT的数量(漏检)。
Precision(查准率):TP/(TP+FP)模型预测的所有目标中,预测正确的比例
Recall(查全率):TP/(TP+FN)所有真实目标中,模型预测正确的目标比例
P-R曲线:Precision-Recall曲线
AP:P-R曲线下的面积
mAP:mean Average Precision,各类别AP的平均值。
例子
以检测猫类别为例
注:图里的数字代表的是置信度不是IOU,表按照Condifence从大到小排序,num=7。
GT ID | Confidence | OB(IOU=0.5) |
1 | 0.98 | True |
3 | 0.89 | True |