f1分数,map,recall,precision怎么计算

一、训练结果

我们先把训练好的模型预测结果贴出来：
1、map

2、预测中正确和错误的框框数

3、自己标记框的个数

4、回归曲线

通过打印出最后的recall为：

0.8909599254426841, 0.8918918918918919, 0.8918918918918919, 0.8928238583410997, 0.8928238583410997, 0.8928238583410997]\

根据上图我们容易知道：
预测框：97+958=1055 正确：958，错误：97
真实框（自己手动标记）：1073
recall:0.8928238583410997

二、计算

1、precision

这里:TP:预测正确的个数，FP预测错误的个数
所以：$$precision=958/(958+97)=0.9023$$

2、recall

注：TP,FP同上，FN是指没有预测到的框框数，所以TP+FN就是真实（所有手动标记框）标记框的个数。
$$recall=958/1073=0.8928$$
和代码计算相同。

3、f1分数

根据上述算的recall和precision 很容易可以得到f1：
$$f1=2\ast 0.9023\ast 0.8928/(0.9023+0.8928)=0.8975$$

4、然后是ap：

ap就是算下图的积分面积。
丹阳吾提，普遍认为map就是ap.

多物体：map就是类别ap求和求平均。