文章详细探讨了目标检测中的评估指标，包括TP、FP、FN的定义，以及Precision和Recall的综合运用。通过P-R曲线展示不同置信度阈值下的效果，强调单一指标不足以全面评估，并解释了COCO数据集的评估标准，如AP across scales、ARmax=100以及针对不同目标尺度和定位精度的考量。此外，还提到了其他相关评估指标的理解，如IoU和AUC值等。
TP正确检测
FP错误检测
FN漏检
上图中TP=1，FP=0，FN=4 此时precision=1
上图中五个目标，里面预测了50个框，所有的目标肯定是在这50框中，所以TP=5，FN=0（因为没有漏检），此时recall=1
所以单纯的通过上面的两个参数是无法进行正确的评估的，需要结合上面的两个指标进行综合的评估P-R曲线 Precision-Recall
此时如果将confidence的阈值设置为0.98时，那么只能得到id为1的数据(虚线上面)，此时预测正确TP=1，预测错误的FP=0，一共是7个目标，说明漏检了6个目标，FN=6
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
