最近在学习YOLO v3,把YOLO v3的几种模型评估指标记录一下,方便以后学习。
目标检测中模型性能的常见评估指标有:准确率(Accuracy),精确率(Precisoon),召回率(Recall),平均精度(AP),多类别AP平均值(mean Average Precision)
首先,我们需要了解如下几个概念,假设我们的分类目标为正例(Positives)和负例(Negatives)两类:
TP(True Positives):被正确划分为正例的个数,即实际为正例被分类器划分为正例的个数
FP(False Positives):被错误划分为正例的个数,即实际为负例被分类器划分为正例的个数
TN(True Negatives):被正确划分为负例的个数,即实际为负例被分类器划分为负例的个数
FN(False Negatives):被错误划分为负例的个数,即实际为正例被分类器划分为负例的个数
1.准确率(Accuracy)
A = (TP + TN) / (TP + FP + TN + FN),反映分类器预测整个样本的能力
2.精确度(Precision)
P = TP / (TP + FP),反映分类器预测正例中真正正例的比重
3.召回率(Recall)
R = TP / (TP + FN),反映分类器预测正例的个数占总正例个数的比重
4.平均精度AP(Average Precision)与mAP(Mean Average Precision)
AP就是Precision-Recall曲线下的面积
mAP是多个类别AP值的平均值