衡量目标检测泛化能力,即性能度量:mAP(mean AP),IoU(目标框交并比),速率。
目标检测问题可分为两个问题:目标分类和目标框定位。
mAP(度量目标分类准确,各类别AP的平均值)
二分类问题:将样例根据真实类别和学习预测类别组合划为真正例(ture positive)、假正例(false positive)、真反例(ture negative)、假反例(false negative)。用分类结果混淆矩阵(confusion matrix)表示如下:
P(Precision):查准率,即是在判定的正样本中, 有多大比例真的是正样本。P = TP / (TP + FP).
R(Recall):查全率,即是在真正的正样本中, 有多大比例被找到了。R = TP / (TP + FN).
每个t