深度学习中的mAP，AP,Precision精确率，Recall召回率，Accuracy准确率

最新推荐文章于 2024-06-30 18:54:20 发布
最新推荐文章于 2024-06-30 18:54:20 发布
阅读量1.6w 收藏 114
点赞数 21
分类专栏： 深度学习 文章标签： deeplearning machinelearning
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_38469553/article/details/85140183
版权

precision-recall

AP值
Average Precision，即 平均精确度 。

如何衡量一个模型的性能，单纯用 precision 和 recall 都不科学。于是人们想到，为何不把 PR曲线下的面积 当做衡量尺度呢？于是就有了 AP值 这一概念。这里的 average，等于是对 precision 进行 取平均 。

mAP值
Mean Average Precision，即 平均AP值 。

是对多个验证集个体 求 平均AP值 。

目标检测中mAP的具体计算

  • TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次）
  • FP: IoU<=0.5的检测框，或者是检测到同一个GT的多余检测框的数量
  • FN: 没有检测到的GT的数量

由前面定义，我们可以知道，要计算mAP必须先绘出各类别PR曲线，计算出AP。而如何采样PR曲线，VOC采用过两种不同方法。

在VOC2010以前，只需要选取当Recall >= 0, 0.1, 0.2, ..., 1共11个点时的Precision最大值，然后AP就是这11个Precision的平均值。

在VOC2010及以后，需要针对每一个不同的Recall值（包括0和1），选取其大于等于这些Recall值时的Precision最大值，然后计算PR曲线下面积作为AP值。

 

VOC中的mAP

 

COCO中的mAP

 

参考：

https://www.cnblogs.com/makefile/p/metrics-mAP.html

https://zhuanlan.zhihu.com/p/43068926

https://www.zhihu.com/question/53405779

https://blog.csdn.net/zhihua_oba/article/details/78677469

坎幽黑尔弥？
关注
  • 21
    点赞
  • 踩
  • 114
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
秒懂-深度学习框架的中计算准确率accuracy()原理（基于paddlepaddle）
梁先森的博客
03-15 8120
前言 最近在实操号称人工智能中的’hello world‘–手写数字集识别。这里是使用的是paddlepaddle深度学习框架。 其中我们在训练的时候，需要计算准确度。框架提供计算准确度的方法：fluid.layers.accuracy().它究竟是如何进行精确度的计算的？今天，我带大家一探究竟！ 文章目录前言accuracy方法介绍accuracy()部分源码解析总结概括 accuracy方法介...
sa-uta7-recall-precision:UTA7统计分析的召回率和精确度结果
05-12
通常，我们认为精度和召回率都表明模型的准确性。 尽管这是正确的，但每个术语都有更深层的，不同的含义。 精确度是指相关结果的百分比。 另一方面，召回指的是您的算法正确分类的所有相关结果的百分比。 毫无疑问...
深度学习-目标检测评估指标P-R曲线、AP、mAP
热门推荐
持续关注并分享目标检测、数据生成、视频驱动、跨模态、分割、关键点等领域前沿技术
07-15 7万+
mAP评估
深度学习评价指标：Precision, Recall, F1-score, mIOU, 和 mDice
weixin_45596561的博客
06-30 1125
精确率（Precision）：衡量模型预测的正类样本中实际为正类的比例。召回率（Recall）：衡量模型对实际正类样本的识别能力。F1-score：精确率和召回率的调和平均数。平均交并比（mIOU）：衡量模型在语义分割任务中的整体性能。平均Dice系数（mDice）：衡量模型在分割任务中的效果，尤其对小目标更加敏感。通过理解和应用这些评价指标，可以更全面地评估模型的性能，从而更好地改进模型。如果有任何问题或需要进一步的解释，欢迎在评论区留言。
目标检测评价指标：mAP、Precision、Recall、AP、IOU等
星智云图StarImagine
11-26 1万+
目标检测评价指标： 　　准确率 （Accuracy），混淆矩阵 （Confusion Matrix），精确率（Precision），召回率（Recall），平均正确率（AP），mean Average Precision(mAP)，交除并（IoU），ROC + AUC，非极大值抑制（NMS）。 假设原始样本中有两类，其中：    1：总共有 P 个类别为 1 的样本，假设类别 1 为正例。  ...
深度学习目标检测评价指标-准确率(Precision),召回率(Recall),F值(F1-score)
Applezeng1112的博客
08-04 316
深度学习指标：准确率acc，精确率precision，召回率recall，f1-score的通俗解释_深度学习准确率_难受啊！马飞...的博客-CSDN博客
【深度学习基础】准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
云端筑梦师
03-20 9600
这里主要解释的是前四个 先给出百度百科定义 召回率(Recall Rate,也叫查全率)是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率； 精度是检索出的相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率。 召回率(Recall)和精度(Precise)是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。 F-measure应该是精准率和...
TensorFlow深度学习：CNN做人脸表情识别，准确率达93%
datayx的文章
07-17 1万+
向AI转型的程序员都关注了这个号????????????大数据挖掘DT机器学习 公众号：datayx此次分享的项目是利用tensorflow构建一个CNN网络来对fer2013数据集进...
Pytorch 计算误判率,计算准确率,计算召回率的例子
09-18
在机器学习和深度学习中，评估模型性能的关键指标包括误判率、准确率和召回率。PyTorch 是一个流行的深度学习框架，它提供了一种灵活的方式来计算这些指标。以下是对这些概念的详细解释。 **准确率(Accuracy)**： ...
accuracy--recall-Python.zip_accuracy_accuracy@k recall@k_python推
07-15
Python代码编写的一个推荐算法的准确率/召回率得计算源码
9的普及贴：机器视觉中的平均精度(AP), 平均精度均值(mAP), 召回率(Recall), 精确率(Precisio.htm
11-29
机器学习 深度学习 pytorch tensorflow 贝叶斯 神经网络 算法
precision, recall, f1score code-精确度、召回率、f1核心代码-matlab
最新发布
07-29
开发5种异常行为检测AI模型时使用的精度、召回率和f1score代码。 This is the precision, recall, and f1score code used when developing 5 types of abnormal behavior detection AI models.
深度学习中AP、mAP、recall、IoU、NMS的评价指标介绍
weixin_43869605的博客
09-15 7765
1、通过混淆矩阵实例给大家讲解各个指标： 混淆矩阵 预测 0 1 真实 0 TN FP 1 FN TP 真阳率：代表将真实正样本划分为正样本的概率 伪阳率：代表将真实负样本划分为正样本的概率 精确率：precision = TP / (TP + FP) 召回率：recall = TP / (TP + FN) 准确率：accuracy = (TP + TN) ...
深度学习 机器学习 分类器的准确率、错误率、敏感率、真正例率、召回率、特效率、真负例率、精度
清晨的光明
05-08 2890
1、精确率：预测为正的样本中预测正确了的的百分比。 2、错误率：预测错误的样本占所有样本数的比例。 3、敏感度/真正例率/召回率：所有为正的样本中，被正确识别出的比例。 4、特效性/真负例率：反例样本中，预测为反例的占比。 5、精度：预测正确了的样本占总样本的比例。 ...
可视化深度学习_深度学习中的准确性可视化第1部分
weixin_26720761的博客
09-05 475
可视化深度学习 内部AI (Inside AI) “One look is worth a thousand words.” “一个表情值一千字。” We all want to train the deep learning models in the most optimum way to increase even the last two decimal of the prediction...
Deep Learning 基础 -- 混淆矩阵、准确率、召回率、F1-Score
ProYH
08-02 6405
Deep Learning 基础 – 混淆矩阵、准确率、召回率、F1-Score Tags： Deep_Learning 本文主要包含如下内容： Deep Learning 基础 – 混淆矩阵、准确率、召回率、F1-Score 混淆矩阵、准确率、召回率、F1-Score 混淆矩阵 准确率、召回率 P-R曲线、F1-Score AP、MAP TPR、FPR、TNR ROC、AUC ...
深度学习中的精度、准确率、精确率、召回率的疑惑
weixin_43490422的博客
06-07 4535
本文不解释其具体是什么，只是为了解释书中的差别 在《python深度学习》一书中有这么一段话，让我很困惑，有点颠覆我的认知，在我的认知是精度=准确率=accuracy。 找到英文原版《deep learning with python》，此书这样写道： 通过对比上述两图，召回率是毫无争议的就是recall。 有一篇贴子，标题这样写道 结论： 准确率=精度=accuracy 精确率=precision 召回率=recall ...
深度学习基本知识（一）评价方法precision\recall\mAP
weixin_41680653的博客
06-21 2496
1.几种类型 比如我们要做一个在一堆猫狗图片中找猫的网络，那么： TruePositive(TP)：真阳性，检测出是猫（1），真实情况确实是猫（1） FalsePositive(FP)：假阳性，检测出是猫（1），真实情况是狗（0） TrueNegative(TN)：真阴性，检测出是狗（0），真实情况是狗（0） FalseNegative(FN)：假阴性，检测出是狗（0），真实情况是猫（1...
【深度学习】：【结果衡量指标】召回率（Recall），精确率（Precision），F度量（F-measure），Map，ROC，AUC
yuanCruise
05-04 1万+
精确率（Precision），又称为“查准率”。 召回率（Recall），又称为“查全率”。 召回率和精确率是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。其中召回率是是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率。精确率是检索出的相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率。如以下公式所示： 召回率(Re...
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