一、IOU
计算anchor box与true box的交集/并集。得到该anchor box的置信度。如果人为设定一个阈值c,那么置信度大于等于c的是positive box,否则为nagative box。
二、TP、TN、FP、FN
T代表True,F代表false,P代表positive,N代表nagative
TP:检测器认为这是positive box且检测结果是正确的
TN:检测器认为这是nagative box且检测结果是正确的
FP:检测器认为这是positive box且检测结果是错误的(实际是nagative box)
FN:检测器认为这是nagative box且检测结果是错误的(实际是pasitive box)
其中,如果计算precision和recall,仅用上TP、FP、FN
三、precision and recall
precision=检测检测出是positive并且正确的部分除以所有检测器认为是positive。
recall=检测器检测出是positive并且正确的部分除以所有真正的positive。
precision=
T
P
T
P
+
F
P
\frac{TP}{TP+FP}
TP+FPTP;recall=
T
P
T
P
+
F
N
\frac{TP}{TP+FN}
TP+FNTP
最后,由于precision和recall均会受人为设置的confidence的影响,因而仅考虑单一因子来衡量目标检测的好坏是有局限性的,因而引入AP。
四、AP
如下所示,根据不同的confidence,得到不同点的recall和precision,然后绘制成一个曲线,而AP就是这条曲线下的面积=代表该类的AP,而mAP则是对不同类别的AP取均值。
参考:https://www.bilibili.com/video/BV1zE411u7Vw?p=1
https://blog.csdn.net/weixin_44791964/article/details/104695264