mAP@0.5与mAP@0.50.95的含义，YOLO

最新推荐文章于 2024-07-20 10:04:47 发布
最新推荐文章于 2024-07-20 10:04:47 发布
阅读量8k 收藏 13
点赞数 3
分类专栏： java 文章标签： java 后端
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_67390963/article/details/124295541
版权
这篇博客深入解析了目标检测评估指标mAP（平均精度均值），特别是mAP@0.5和mAP@0.5:.95的概念。mAP@0.5计算的是IoU阈值为0.5时各类别的平均精度，而mAP@0.5:.95则是在多个IoU阈值（0.5到0.95，步长0.05）上计算的平均mAP，用于全面评估检测器的性能。理解这些指标对于优化和比较目标检测算法至关重要。
摘要由CSDN通过智能技术生成

mAP@0.5：mean Average Precision（IoU=0.5）
即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP

在这里插入图片描述
如图所示，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。数值越高，即阈值越大，精度越低。

mAP@.5:.95（mAP@[.5:.95]）
表示在不同IoU阈值（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95）上的平均mAP。

心动的偏执
关注
  • 3
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YOLOv5改进策略|实战应用案例|改进 YOLOv5 用于小物体检测|mAP提⾼了6.42%，mAP@0.5提⾼了9.38%、 Precision和Recall分别提⾼了10%和6.97%
sybh的博客
05-31 727
⽬标检测算法已⼴泛应⽤于⽆⼈机（UAV）的智能系统 中，例如⾏⼈检测和⻋辆检测。它⾃动执⾏⽆⼈机拍摄照 ⽚的分析过程。然⽽，此类应⽤的最⼤问题在于检测⼩物 体，因为照⽚中的⼤多数物体从更⾼的⾼度变得更⼩。这 ⼀事实对物体检测的准确性造成了负⾯影响，包括⽬标遮 挡、⽬标密度低和光线的剧烈变化。You Only Look Once (YOLO)[15]是⼀种单阶段⽬标检测 算法，由于其低延迟和⾼精度⽽在⽆⼈机系统中占据主导 地位。它以图像作为输⼊并在⼀个阶段输出对象的信息。
新手小白快速看懂yolov8模型训练结果图表，通过mAP、Precision、Recall等评价性能
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-22 2047
新手小白快速看懂yolov8模型训练结果图表，通过mAP、Precision、Recall等评价性能： confusion_matrix.png、confusion_matrix_normalized.png、F1_curve.png、labels.jpg labels_correlogram.jpg、P_curve.png、PR_curve.png、R_curve.png、results.png
YOLOv8模型验证评价指标| mAP50、Precision、Recall、FPS、FLOPs、loU等
weixin_41171614的博客
05-07 6092
YOLOv8模型验证评价指标| mAP50、Precision、Recall、FPS、FLOPs、loU等
mAP@0.5与mAP@0.5:0.95的含义
frighting_ing的博客
11-07 4万+
mAP@0.5: mean Average Precision（IoU=0.5） 即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP。 mAP@.5:.95（mAP@[.5:.95]） 表示在不同IoU阈值（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95）上的平均mAP。 那AP是什么呢，Average Precision，是单个类别平均精确度，而mAP是所有类别的平均精确度 AP是Precision
【模型评估】目标检测模型的评估指标详细介绍及说明：Precision、Recall、mAP50、mAP50-95、F1-score、FPS等
最新发布
阿旭的博客
07-20 1345
【模型评估】目标检测模型的评估指标详细介绍及说明：Precision、Recall、mAP50、mAP50-95、F1-score、FPS等
mAP@.5和mAP@.5:0.95的区别
qq_46595902的博客
02-11 1万+
先来讲解一下mAP@0.5 mAP:Mean Average Precision，即每个类别分别计算AP，然后Mean平均。 那么何为AP，AP即Precsion-Recall Curve图中PR曲线所围成的名字（在yolov5算法中训练结束后的文件中会生成PR-Curve图） 那么PR-Curve图怎么才算效果好？要看曲线是否平滑，多个类别的时候，哪个类别的曲线在上方证明哪个曲线的效果更好。 讲完mAP，再来讲解这个@.5什么意思，mAP@.5其实就是将IOU设置为0.5时，计算每个类别的AP的平
在训练过程中，如何将mAP50-95提升至0.95
weixin_42593549的博客
02-14 4023
在训练过程中提高 mAP50-95 到 0.95 的方法可以有很多。一些常见的方法包括： 数据增强：通过对训练图像进行随机变换，例如旋转、缩放、裁剪等，可以扩大训练数据的数量，从而提高模型的泛化能力。 模型架构：使用更高级的模型架构，例如 ResNet、Inception、DenseNet 等，可以提高模型的准确率。 训练参数调整：例如增加训练步数、改变学习率、优化器等，可以影响模型的训练结...
一些参数（仅供个人理解）
weixin_45963712的博客
02-06 3674
mAP50-95：mAP阈值为50到mAP阈值为95，间隔5%,取得10个mAP值，然后对这十个值取平均。
目标检测评估指标mAP：从Precision,Recall,到AP50-95【未完待续】
专注“目标检测”领域技术分享
09-08 2万+
本文从True Positive, False Positive和False Negative的定义出发，讲解了Precision和Recall的定义，如何绘制P-R(Precision Recall)曲线，如何进一步计算得出AP。本文提供了手动计算所有指标的过程以及用sklearn计算这些指标的代码以及P-R curve的示意图。通过阅读本文你可以从源头开始了解mAP这一指标是如何计算的。
YOLO算法改进指南【中阶改进篇】：3.添加SA-Net注意力机制
“365天深度学习训练营”报名进行中～
04-26 1660
当前的 CNN 中的 attention 机制主要包括：channel attention 和 spatial attention，当前一些方法（GCNet 、CBAM 等）通常将二者集成，容易产生 converging difficulty 和 heavy computation burden 的问题。尽管 ECANet 和 SGE 提出了一些优化方案，但没有充分利用 channel 和 spatial 之间的关系。
万字长文精解目标检测中的TP、FP、FN、TN、Precision、Recall 、 F1 Score、AP、mAP与AR 。附代码实现。
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-16 5026
mAP（Mean Average Precision）是用于评估对象检测和信息检索系统性能的重要指标。它综合考虑了检测结果的精确度（Precision）和召回率（Recall），提供了一个整体的性能评价。你是否见过下面的表格？这是COCO版本的mAP（即平均精度，他们简称之为AP）。但这个指标到底代表什么呢？这些符号又都代表什么含义呢？在本文中，我们将详细讲解所有必要的理论知识，不仅帮助你解读表格中的数据，还能让你理解采用这种复杂指标的必要性。
YOLOv3计算recall和mAP
sihaiyinan的博客
02-24 6208
yolov3计算mAP有两种方法，第一种是使用faster rcnn中的voc_eval.py进行计算，另一种是通过修改yolov3中的代码进行计算。相比较而言第一种方法简单一些。 方法一：使用voc_eval.py进行计算 在yolov3中运行vaild命令进行测试。vaild命令执行的代码如下 void validate_detector(char *datacfg, char *cf...
目标检测评估指标P-R曲线、AP、mAP 解释
qq_37983000的博客
07-18 5194
转载自：https://blog.csdn.net/qq_41994006/article/details/81051150 基本概念 P-R曲线中，P为图中precision，即精准度，R为图中recall，即召回率。 Example 下面通过具体例子说明。 首先用训练好的模型得到所有测试样本的confidence score，每一类（如car）的confidence score保存到一个文件中（如comp1_cls_test_car.txt）。假设共有20个测试样本，每个的id...
基于yolov5的NEU-NET产品缺陷目标检测
qq_62238325的博客
05-10 2446
NEU-NET 数据集是一种检测金属缺陷的数据集，其中包括 1800 个来自六个不同类别的 200x200 像素图像，每个类别分别为：脆性（C），夹杂（I），气孔（P），网状（R），沙眼（S）和弯曲（W）。整体来看，模型的Precision与Recall比较均衡，而mAP50表现达到了0.781，说明该模型具备良好的目标定位和分类能力。但是需要指出的是，仅凭一个测试集的性能表现结果无法完全代表模型的真实性能，只有在更加广泛的实际应用场景下反复验证模型的鲁棒性和稳定性，才能更好地评估该模型的性能。
YOLOv5改进前后曲线对比图：mAP50，mAP50-90，Loss
qq_46542320的博客
08-31 5264
其中：result1.csv是原始结果；result2.csv是改进后的结果。
YOLOv8运行参数解读
githubcurry
04-17 1万+
基准测试提供了关于导出格式的大小、其mAP50-95指标(用于对象检测和分割)或精度top5指标(用于分类)的信息，以及在各种导出格式(如ONNX、OpenVINO、TensorRT等)中，每张图像的推断时间(以毫秒为单位)。这些信息可以帮助用户根据他们对速度和准确性的需求，为他们的特定用例选择最佳的导出格式。yolov8目前支持：BoT-SORT、ByteTrack两种目标跟踪，默认使用BoT-SORT。跟踪的传参和推理时一样，主要有三个：conf、 iou、 show。
目标检测指标AP50，mAP理解_简单好用
weixin_41176708的博客
10-20 2万+
mAP@50的理解 1.m是不同类别AP50的均值 2.AP50的定义：(50的含义是iou阈值) 已知： 所有图片中某一类目标，有m个标签真实框（框坐标）；n 个预测宽（置信度+框坐标） 若： ① 预测框与真实框的IOU大于IOU_T(=50%),则这个样本为真正例TP=+1； ② 如果小于，则真实框就是 FN= +1，预测框就是假正例 FP = +1 ===> 最后在这基础上，使用置信度Score，划拉预测框的个数，计算PR曲线上的点，根据曲线下面的面积算AP值。 ——————————————
理解目标检测当中的mAP
热门推荐
hsqyc的博客
08-16 6万+
我们在评价一个目标检测算法的“好坏”程度的时候，往往采用的是pascal voc 2012的评价标准mAP。 网上一些资料博客参差不齐，缺乏直观易懂的正确说明。希望这篇博文能够给大家一点帮助。 mAP历史 目标检测的mAP计算方式在2010年的voc上发生过变化，目前基本都是采用新的mAP评价标准。（我有个小疑问就是明明是2010年修改的，但是貌似现在大家都称这种计算方式为2012）所...
YOLOv5-不同map值计算
baidu_40960780的博客
11-16 7052
Yolov5不同map值计算
map@0.5和map@0.5:0.95啥意思
07-28
引用\[1\]和\[2\]解释了mAP@0.5和mAP@0.5:0.95的含义。mAP@0.5表示在IoU阈值为0.5时的平均精度（mean Average Precision），而mAP@0.5:0.95表示在不同IoU阈值范围（从0.5到0.95，步长为0.05）上的平均精度。\[1\]\[2\]这两个指标通常用于评估目标检测算法的性能。引用\[3\]进一步解释了在不同数据集中的标记方式。在Pascal VOC数据集中，mAP通常标记为mAP@0.5，表示使用固定的IoU阈值0.5来计算平均精度。而在MS-COCO数据集中，mAP标记为mAP@0.5:0.95，表示在多个IoU阈值范围上计算平均精度。 #### 引用[.reference_title] - *1* *3* [mAP@0.5与mAP@0.5:0.95的含义，YOLO](https://blog.csdn.net/perfect_ch/article/details/117480528)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [mAP@0.5 与 mAP@0.5:0.95 是什么意思，YOLOv5](https://blog.csdn.net/qq_38251616/article/details/122109519)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值