目标检测中的mAP（mean Average Precision）

最新推荐文章于 2024-10-02 01:49:36 发布
最新推荐文章于 2024-10-02 01:49:36 发布
阅读量220 收藏 1
点赞数
分类专栏： 目标检测与目标识别 文章标签： 深度学习 计算机视觉
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_39500910/article/details/117219274
版权
本文介绍了目标检测任务中的关键评估指标，包括F1分数、真正负率（TP, FP, TN, FN）、IoU（交并比）以及平均精度AP和mean Average Precision (mAP)。F1分数衡量分类性能，IoU用于计算检测框的重叠程度。AP是P-R曲线下的面积，mAP则是针对多类别任务的平均AP。这些指标对于理解和优化目标检测算法至关重要。
摘要由CSDN通过智能技术生成

参考原文地址

在引入mAP概念之前，需要首先熟悉另外几个概念（这几个概念有大量解释，这里过多不细讲）：

F1指标：

容易混淆的四个指标：TP, FP, TN, FN。其中P(Positive)和N(Negetive)指的是预测标签是“正类”还是“反类”。T(True)与F(False)用来修辞预测的标签是否正确。

例如TP就是预测是正类且预测正确的样本数目，而FN是值预测是反类且预测错误的样本数目。

IoU (Intersection over union)

数学上的定义是两个集合的交集除以并集：

在图像检测任务中一般表示检测框和预测框之间的重叠区域除以两个框的总区域。

AP（Average Precision）

下举例说明AP：

这是某次实验中记录的一个Precision和Recall表格(Correct暂时忽略不要看)：

最低0.47元/天 解锁文章
Teddy Grim
关注
专栏目录
目标检测指标mAP详解
qq_38375203的博客
06-21 2万+
相信刚刚接触目标检测的小伙伴也是有点疑惑吧，目标检测的知识点和模型属实有点多，想要工作找CV的话，目标检测是必须掌握的方向了。我记得在找实习的时候，面试官就问到了我目标检测的指标是什么，答：mAP！问：mAP是什么？我：.......!☺所以在本文中我也是详细说一下mAP 的含义，有什么不对的或者不全的欢迎大家指正！mAP是mean of Average Precision的缩写，意思是平均精确度（average precision）的平均（mean），是object detection中模型性能的衡量标准
CV论文笔记（三）Convolutional-De-Convolutional Networks for Precise Temporal Action Localization in Untrimm
ROM的博客
10-31 1670
参考论文 Convolutional-De-Convolutional Networks for Precise Temporal Action Localization in Untrimmed Videos，CVPR 2017 内容介绍 Abstract 许多最先进的系统使用片段级分类器来选择和排列预先确定的边界的提议片段。 然而，一个理想的模型应该超越片段级，并在适当的粒度上进
Video Analysis 相关领域解读之Temporal Action Detection(时序行为检测)
Will Lin的博客
04-27 1万+
本文投稿于极视角公众号，链接为文章链接.也欢迎大家关注我的知乎专栏CV论文笔记及其他。上一篇笔记介绍了 Action Recognition 领域的研究进展。Action Recognition主要是用于给分割好的视频片段分类，但实际中大部分视频都是未分割的长视频。所以这就引出了今天要介绍的领域：Temporal Action Detection
行为检测调研
zk_ken的博客
01-23 1249
背景 视频理解是目前计算机视觉领域非常热，也是极具挑战力的一个方向。视频理解方向包含众多的子研究方向，以CVPR组织的ACTIVITYNET为例，2017年总共有5个Task被提出。 Task1：未修剪视频分类(Untrimmed Video Classification)。这个有点类似于图像的分类，未修剪的视频中通常含有多个动作，而且视频很长。有许多动作或许都不是我们所关注的。所以这里提...
行为检测（1）
qq_18644873的博客
12-27 3721
一、简介、难点 1.1、简介   相对于行为分析（action recognition），行为检测（action detection）难度更大，不仅要知道一个动作在视频中是否发生，还需要知道动作发生在视频的哪段时间。需要处理较长的、未分割的视频。且视频通常有较多干扰，目标动作一般只占视频的一小部分。   行为检测任务有点类似于目标检测任务，都需要先定位目标，然后识别目标。所以目前的行为检测方法都是...
目标检测：mAP (Mean Average Precision)
thujiang000的博客
01-31 6029
目标检测，mAP解释
目标检测（Object Detection）中性能衡量指标mean Average Precision（mAP）的含义与计算
热门推荐
咚咚锵的博客
04-18 4万+
背景   之前在研究Object Detection的时候，只是知道Precision这个指标，但是mAP（mean Average Precision）具体是如何计算的，暂时还不知道。最近做OD的任务迫在眉睫，所以仔细的研究了一下mAP的计算。其实说实话，mAP的计算，本身有很多现成的代码可供调用了，公式也写的很清楚，但是我认为仔细的研究清楚其中的原理更重要。   AP这个概念，其实主要是在...
目标检测中的mAP(mean Average Precision)快速理解
qq_23543981的博客
06-28 962
最近开始接触目标检测（object detection）但是对于衡量算法好坏的mAP并不太理解，经过了一番整理，下面我们就来看看什么是mAP。 在目标检测算法中，像是Faster R-CNN, SSD等等，mAP都可以很好的用来衡量这些算法的精确度。 ...
mAP平均精度均值(Mean Average Precision)
fivemillion的博客
06-10 5681
评价分类模型性能的评价指标和计算方式
map平均准确率_第五篇 目标检测评价标准—MAP
weixin_39673303的博客
12-04 466
MAP（Mean Average Precision）网上关于map的帖子，博客，回答有很多，但是描述很不清楚，有的甚至有很多错误，非常难以理解，最近研究了一下map，这里记录总结一下 这里的AP指的是在不同的召回率（recall）下计算的平均准确率（average precision），因而先介绍recall（召回率）与precision（准确率）这两个基本的概念。Recall and Prec...
行为识别（action recognition）技术趋势
Zr‘s code world
10-31 1万+
计算机视觉领域的杰出学者Andrew Zisserman同Deepmind团队的技术讨论中对人类行为识别的技术趋势和Kinetics数据集的应用做了探讨分析，Andrew Zisserman其团队曾提出过名噪一时的VGG模型，在行为识别领域也有深入研究，因此其报告值得认真理解分析，现将其摘录整理如下，报告原题目为《Human action recognition and the Ki...
行为检测综述
weixin_43659035的博客
07-29 4577
SCNN:Temporal Action Localization in Untrimmed Videos via Multi-stage CNNs（CVPR2016） 原文链接 多阶段网络，主要提出来一个三阶段的3D卷机网络来做动作检测。 主要包括三个部分： 1、多尺度视频片段生成。SCNN模型框架的第一步就是生成候选的视频片段，之后拿这些片段作为下一步的输入。在SCNN中采用了划窗方法产生视...
基于深度学习的不遗忘训练
最新发布
weixin_42605076的博客
10-02 373
基于深度学习的不遗忘训练（也称为抗遗忘训练或持久性学习）是针对模型在学习新任务时可能会忘记已学习内容的一种解决方案。该方法旨在使深度学习模型在不断接收新信息的同时，保持对旧知识的记忆。
基于CNN+Transformer混合模型实现交通流量时序预测(PyTorch版)
君子不器 大道无方
09-30 1379
本文旨在详细介绍如何使用PyTorch框架实现基于CNN+Transformer的混合模型，并将其应用于交通流量时序预测任务。我们将从模型架构、数据处理、训练优化等多个方面进行深入剖析，力求为读者提供一个全面、系统的学习与实践指南。希望通过本文的介绍，读者能够掌握CNN+Transformer混合模型的基本原理与实现方法，并能够在实际交通流量预测任务中灵活应用，为城市交通管理与规划贡献自己的力量。
深度学习：DCGAN
Landy_Jay的博客
10-01 333
CDGAN（Deep Convolutional Generative Adversarial Networks），是GAN（Generative Adversarial Networks）的一种变体，它特别使用了卷积神经网络（CNNs）作为生成器和判别器的构建模块。DCGAN使用全卷积网络结构代替传统的池化层和全连接层。在生成器中采用转置卷积（也称为分数步长卷积或反卷积）来逐步增加图像的空间维度。在判别器中使用卷积层来逐步减少空间维度并提取特征。
基于Python的自然语言处理系列（19）：基于LSTM的语言模型实现
不想宅的冷同学
09-29 663
在本篇博文中，我们实现了一个基于LSTM的语言模型，探讨了其在自然语言处理中的重要性。通过对WikiText数据集的训练，我们了解了如何进行数据预处理、模型构建以及训练与评估过程。这一模型为理解语言生成打下了基础，也展示了如何使用PyTorch进行实际应用。随着对LSTM语言模型的深入理解，我们将在下一篇博文中转向更先进的Transformer模型及其在语言建模中的应用，期待与大家一同探讨Transformer如何提升自然语言处理的能力，并掌握束搜索等高效解码技术。希望继续激发大家对这一领域的热情与探索！
Python轴承故障诊断 (四)基于EMD-CNN的故障分类
09-26 1032
本文基于凯斯西储大学（CWRU）轴承数据，进行经验模态分解EMD的介绍与数据预处理，最后通过Python实现EMD-CNN对故障数据的分类。
【深度学习】（11）--迁移学习
m0_74896766的博客
09-29 1275
本篇介绍了： 如何进行迁移学习 对迁移模型进行微调： 微调全连接层 微调卷积层（本篇未写），原理相同，可自行尝试 注意：原本的模型参数务必要冻结住，那是已经调好的，可以节省计算时间。仅需要调整修改部分的参数。
Mean Average Precision (MAP)
09-20
平均精确度平均值（Mean Average Precision, MAP）是一种评估分类器性能的指标，常用于在信息检索、计算机视觉和自然语言处理等领域。它衡量了分类器对于每个查询的平均精确度。 精确度（precision）是指分类器正确...
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