目标检测——指标评估

1.AP

AP：Average Precison，所有预测图片内某一类别PR曲线（横轴为Recall，纵轴为Precision）下的面积。

2.mAP

mAP：mean Average Precision， 各类别【AP】的平均值。

3.TP

True Positive（TP）：预测框与真实框的IOU>IOU阈值，IOU阈值一般设置为0.5,0.75,0.95等。在目标检测的评估指标规定下，一个真实框（groud truth box）只有一个 TP框，其它均为FP框（即使IOU大于阈值）。

4.FP

False Positive（FP）：存在两种情况，（a）预测框与真实框的IOU<IOU阈值；（b）多余的预测框（iou值并不是最大的），即使 i o u iouiou 大于阈值，但是真实框已经存在匹配的预测框。

5.FN

False Negative（FN）：没有匹配到预测框的 GT数量，也即是真实框没有任何预测框与之重叠，目标检测中也称为漏检。

6.TN

True Negative（TN）：没有负样本，图像应该至少包含一个目标；mAP 指标不需要该值；

注意：目标检测中，TN 表示将背景正确检测为背景，等价于没有检测任何目标，通常不需要该指标。

7.Precision

所有预测结果中，正确预测框所占的比例。

简言之，所有的预测结果中，存在两种情况：（a）正确的预测结果（TP）；（b）错误的预测结果（FP）；

Precision = TP / (TP + FP) = TP / AllDetections

8.Recall

真实目标被正确预测所占的比例。

Recall = TP/(TP+FN)，其中，all_ground_truths = TP + FN； 简言之，所有的真实框，有多少被检测出来（TP）；