目标检测模型评价指标IoU、mAP

最新推荐文章于 2024-04-10 09:52:08 发布
最新推荐文章于 2024-04-10 09:52:08 发布
阅读量745 收藏 4
点赞数 2
分类专栏： 深度学习
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/qq_34213260/article/details/106938289
版权

文章目录

一、IOU

交并比loU(intersection-over-union)
在这里插入图片描述

二、mAP

2.1 简介

mAP(mean average precision)平均准确率均值
在这里插入图片描述

2.2 计算方法

多标签图像分类任务中图片的标签不止一个,因此评价不能用普通单标签图像分类的标准。首先用训练好的模型得到所有测试样本的置信度(confidence score) ,比如某个类别(如检测猫)有20个测试样本:
在这里插入图片描述

接下来按照置信度的大小重新排序，我们想得到top-5的结果:
在这里插入图片描述
实际多类别分类任务中,我们需要知道从top-1到top-N ( N是所有测试样本个数,我们的例子中是20 )对应的precision和recall。显然随着我们选定的样本越来也多，recall一定会越采越高,而precision整体上会呈下降趋势。把recall当成横坐标，precision当成纵坐标,即可得到常用的precision-recall曲线:
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三、模型速度

一抹烟霞
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python:目标检测模型预测准确度计算方式(基于IoU)
12-23
总的来说，IoU是评估目标检测模型的重要工具，它可以帮助我们量化模型的预测精度，并根据IoU值调整模型参数或优化算法，以提升模型的整体表现。在进行目标检测项目时，熟悉IoU的计算方法以及如何将其应用于模型评估...
目标检测mAP计算代码
11-24
目标检测是计算机视觉领域中...通过理解和使用这样的mAP计算代码，你可以对自己的目标检测模型进行准确评估，找出性能瓶颈，并针对性地优化模型。这在算法开发和论文发表中至关重要，因为mAP是评价模型性能的通用标准。
单目标检测评价指标
风起
03-18 2351
机器学习（ML），自然语言处理（NLP），信息检索（IR）等领域评价指标一般有如下几点：准确率（Accuracy），精确率（Precision），召回率（Recall）和F1-Measure。同时深度学习目标检测领域的评价指标更注重平均精确率（Mean Average Precision），召回率（Recall），以及速度（rate）。在介绍上面三个参数之前，首先介绍混淆矩阵。 ~ ...
评价指标：目标检测的评价指标 - mAP
fengdu78的博客
02-02 627
本文建议阅读时间 8 min基本概念AP & mAPAP：PR 曲线下面积（下面会说明）mAP：mean Average Precision, 即各类别 AP 的平均值TP、F...
YOLOV5，查看自己的IOU，并更换
weixin_53035684的博客
04-10 434
这里显示的yolov5默认的IOU为CIOU。在train.py里 按Ctrl+F键，就在这里，把CIoU换成GIoU就可以了。按住Ctrl点compute_loss。去更换IOU，yolov5自带有几个。下面有个compute_loss。若要替换的话，比如使用Giou。这里就是几个自带的IOU。（这里是等号的右边那个）或者按Ctrl+F,搜。
损失函数：IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU超详细精讲及Pytorch实现
路人贾的博客
06-20 2万+
一文带你了解IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU。超级详细的解读，包含代码实现，适合小白！
《计算机视觉之目标检测》IOU详解及代码
奥古斯都
10-16 2073
今天在改模型的时候刚好用到了IOU，因此将IOU说说，记录一下代码，方便以后复用。 1、什么IOU IoU 的全称为交并比（Intersection over Union），它的计算也比较简单，就是两个目标proposal框重叠的区域比总体的区域。如下图所表示的，着就是所谓的IOU。 2、为什么需要Iou？ 在做目标检测的过程中有一个指标来评价这个模型的好坏，也就mAP。这个指标我下次再说，用检测出来的框和ground-truth之间计算IOU，如果IOU大于0.5或者其它的一个阈值，那么就认为
100.目标检测的性能评价指标1
08-03
【标签】：“目标检测，mAP，平均精度均值，评价指标，FPS” 【正文】： 目标检测是计算机视觉领域中的关键任务，它的目的是在图像中定位并识别不同的对象。为了评估目标检测算法的性能，通常会使用一系列的评价...
AI系统量化评价-模型评估方法、网络评价指标
02-03
3. **目标检测评估**：目标检测任务的评估通常涉及边界框的重叠度计算，如IoU（Intersection over Union），以及平均精度mAP（Mean Average Precision）等。 4. **目标跟踪评估**：目标跟踪的评价指标包括中心位置...
全球小麦检测数据集-目标检测
03-11
在测试集上，通常会计算平均精度（mAP）或其他评价指标，如平均精度在不同IoU阈值下的表现，来衡量模型的检测效果。此外，对于农业应用，可能还需要考虑实际场景中的光照、角度、作物生长阶段等因素，确保模型在复杂...
【深度学习每日小知识】交并集 (IoU)
欢迎来到最优秀的博客
02-15 2074
交并集 (IOU) 是一种性能指标，用于评估注释、分割和对象检测算法的准确性。它量化数据集中的预测边界框或分段区域与地面实况边界框或注释区域之间的重叠。IOU 提供了预测对象与实际对象注释的对齐程度的衡量标准，从而可以评估模型准确性并微调算法以改进结果。IOU 的计算方法是用预测区域和真实区域的交集面积除以它们的并集面积。IOU的公式可以表示为：IOU = 交集面积 / 并集面积IOU 值越高，表明预测区域与实际区域之间的对齐程度越好，反映出模型越准确。
学习笔记13-目标检测算法的评估指标
LZL2020LZL的博客
02-18 3140
学习链接：https://www.jianshu.com/p/fd9b1e89f983 1、mAP MAP（mean Average Precision）平均精度均值，即AP(Average Precision)的平均值，它是目标检测算法的主要评估指标。目标检测模型通常会用速度和精度(mAP)指标描述优劣，mAP值越高，表明该目标检测模型在给定的数据集上的检测效果越好。 mAP是AP(Average Precision)的平均值： 其中： Accuracy指准度，意味着系统误差(System Error)小
机器学习分类模型评价指标之Accuracy、Precision、Recall、F-Score、P-R Curve、AUC、AP 和 mAP
博观约取，厚积薄发
11-21 6269
本文旨在说明其他机器学习模型的评价指标。
深度学习的不确定性（Uncertainty/confidence score）与校准(Calibration)
热门推荐
xys430381_1的专栏
08-09 3万+
模型校准 Calibration: 一个工业价值极大，学术界却鲜有研究的问题！（原论文：On Calibration of Modern Neural Networks，论文中有一些基本的校准方法，包括温度缩放Temperature Scaling） 在大多情况下，我们只关心类别的预测 有多准，根本不 care 置信度是怎样的。然而，在一些实际应用场景下，置信度的度量也同样重要。 例如 对于自动驾驶中的目标识别任务，车辆的前方出现了一个人，神经网络会将其识别成塑料袋，此时输出的置信度为50%（低于阈值）
精确的目标检测中定位置信度的获取
TJMtaotao的博客，高校计算机教师
11-29 1万+
Borui Jiang∗1,3, Ruixuan Luo∗1,3, Jiayuan Mao∗2,4, Tete Xiao1,3, and Yuning Jiang4 1School of Electronics Engineering and Computer Science, Peking University 2ITCS, Institute for Interdisciplinary Inf...
目标检测重要概念——IOU、感受野、空洞卷积、mAP
qq_52053775的博客
07-31 1375
空洞卷积有如下两个作用。
目标检测中的Iou与map指标详细介绍（零基础）
Weary_PJ的博客
03-01 4301
目标检测中的Iou与map指标的计算 IOU 下图中Ground truth为标记的正确框,Prediction为预测的框 显然, 我们需要一个指标来评估预测的准确率 就如同在分类任务中的accurate一样明星 目标检测任务中的IOU指标就反应了类似的效果 IOU的计算方法很简单,就是两框的交集与两框的并集之比, 很显然IOU的值越高越好 精度,召回与map 具体关于精度与找回的介绍与手写推导可以看我之前关于学习西瓜书中模型评价指标的文章 一起学西瓜书02 模型评估与选择 这里举个简单的例子来回顾一
目标检测性能评价指标 (IOU mAP)
Charles' blog
07-05 3252
检测评价函数 Intersection-over-Union (IOU) 1、概念 在目标检测的评价体系中，有一个参数叫做 IOU ，简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。具体我们可以简单的理解为： 即检测结果DetectionResult与Ground Truth的交集比上它们的并集，即为检测的准确率 IOU : IOU=GT⋂DRGT⋃DRIOU = \frac{GT\bigc...
详解机器视觉性能指标相关概念——混淆矩阵、IoU、ROC曲线、mAP等
m0_49963403的博客
09-16 1530
按照国际惯例，首先声明：本文只是我自己学习的理解，虽然参考了他人的宝贵见解，但是内容可能存在不准确的地方。如果发现文中错误，希望批评指正，共同进步。本文将通过实例系统性说明机器视觉性能相关指标。关于这些指标内容我大体分为2类：图像分类性能指标和图像分割性能指标。
基于mask-rcnn目标检测的评价指标代码
最新发布
05-22
在实现上，可以使用一些开源的目标检测框架（如detectron2、mmdetection等）提供的评价指标代码来计算mAP值和其他常见指标（如F1-score、IoU等）。这些框架已经实现了各种评价指标，并提供了相应的API，方便用户进行...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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