AP，mAP，AP50，coco评价标准

已于 2022-12-15 13:56:03 修改
阅读量3.6k 收藏 2
点赞数
分类专栏： 目标识别/语义分割 文章标签： coco
于 2022-09-24 10:51:43 首次发布
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_41413211/article/details/127021767
版权
本文介绍了在目标识别和分割任务中的评价标准，包括混淆矩阵、Precision & Recall、IOU和PR曲线。AP作为PR曲线的积分，衡量检测框位置和标签分类的准确性。COCO评估中，AP50是IOU阈值为50时的AP，而mAP是多个IOU阈值下的平均AP，特别关注小目标检测的APsmall和ARmax=10用于评估有限边界框预测时的平均召回率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

预备知识

分类和分割的区别？见我之前的博客

coco数据集是什么？见我之前的博客

在classification中：

混淆矩阵（二分类）

多分类时混淆矩阵为：

了解本专栏 订阅专栏 解锁全文
【模型评估】AP 和他的兄弟们：mAP、AP50、APs、APm、APl
钱多多先森
06-13 1万+
Average precision，简称AP的概念和Python实现
目标检测模型的评价标准-AP与mAP
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
09-08 1973
为了了解模型的泛化能力，即判断模型的好坏，我们需要用某个指标来衡量，有了评价指标，就可以对比不同模型的优劣，并通过这个指标来进一步调参优化模型。对于分类和回归两类监督模型，分别有各自的评判标准，目标检测模型评价指标主要包含 f1、ap、map、roc计算公式及代码实现与auc曲线绘制等。
看懂COCO数据集目标识别性能评价标准AP，AP50，AP75，APsmal等
热门推荐
一江明澈的水的专栏
02-13 4万+
常见机器视觉国际会议论文出现的目标识别评价标准：AP，AP50，AP75等，权威解释如下： Note： 在COCO数据集评价指标中，所有的AP 默认为mAP 。即，AP50=mAP50AP50=mAP50，AP75=mAP75AP75=mAP75，以此类推。   上图中AP的计算方法十分繁琐，来源于早期的VOC challenge，随着VOC的发展，其计算方法也有所变化，例说简述如下： ...
目标检测模型性能评估：mAP50、mAP50-95、Precision 和 Recall 及测试集质量的重要性
qq_60865111的博客
02-12 5846
目标检测模型性能评估：mAP50、mAP50-95、Precision 和 Recall 及测试集质量的重要性
Precision,Recall、AP50、mAP50和F1指标
qq_46781387的博客
10-25 1358
在机器学习和计算机视觉领域，特别是在评估分类和目标检测模型性能时，Precision（精确率）、Recall（召回率）、AP50、mAP50和F1指标是几个非常重要的评价指标。： 精确率是指在所有被模型预测为正类的样本中，实际为正类的比例。它反映了模型预测的准确性。： 召回率是指在所有实际为正类的样本中，被模型正确预测为正类的比例。它反映了模型捕获所有正类样本的能力。： AP50是一种平均精确率的度量，它在召回率为50%时计算。这是在目标检测任务中常用的指标，特别是在速度和精度之间需要平衡的场景下。
理解COCO的评价指标：AP，AP50，AP70，mAP，AP[.50:.05:.95]
qq_27095227的博客
04-11 3万+
中文博客： https://blog.csdn.net/zdh2010xyz/article/details/54293298 https://blog.csdn.net/hysteric314/article/details/54093734?tdsourcetag=s_pctim_aiomsg 英文博客（可能要墙）： https://towardsdatascience.com/evaluat...
目标检测指标AP50，mAP理解_简单好用
weixin_41176708的博客
10-20 2万+
mAP@50的理解 1.m是不同类别AP50的均值 2.AP50的定义：(50的含义是iou阈值) 已知： 所有图片中某一类目标，有m个标签真实框（框坐标）；n 个预测宽（置信度+框坐标） 若： ① 预测框与真实框的IOU大于IOU_T(=50%),则这个样本为真正例TP=+1； ② 如果小于，则真实框就是 FN= +1，预测框就是假正例 FP = +1 ===> 最后在这基础上，使用置信度Score，划拉预测框的个数，计算PR曲线上的点，根据曲线下面的面积算AP值。 ——————————————
准确率、召回率和mAP、AP50/75
DaGongJiGuoMaLu09的博客
05-13 3万+
1、准确率和召回率 真实值与预测值之间的关系为： 准确率（precision）和召回率（recall）作为统计值，各自的计算方式： P=TPTP+FPP=\frac{TP}{TP+FP}P=TP+FPTP​R=TPTP+FNR=\frac{TP}{TP+FN}R=TP+FNTP​ 准确率 PPP 给出了“预测为真值的样本中确实有多少比例为真值”，召回率 RRR 给出了“本来就是真值的样本模型预测出...
平均精度（Average Precision，AP）以及AP50、AP75、APs、APm、APl、Box AP、Mask AP等不同阈值和细分类别的评估指标说明
fydw_715的博客
07-25 1万+
平均精度（Average Precision，AP）以及不同阈值和细分类别的评估指标AP50、AP75、APs、APm、APl说明
目标检测COCO格式数据计算AP
weixin_43270242的博客
09-10 468
在布局分析开发过程中，不同的目标检测框架，往往会提供不同的目标检测结果，在这一环境下，有一些布局分析模型只会给出具体的框图，但是没有给出AP的值，如果需要比较不同模型的测试集具体数据的话会产生不方便。基于这种情况，笔者写了一份脚本用来将不同的结果文件的AP计算出来。
目标检测模型常用评价指标-（AP、mAP）
cxh21627的博客
08-05 2602
对于一个给定的类别，让我们对验证集中的每张图片都计算它的精确率。假设我们的验证集中有 100 张图片，并且我们知道每张图片都包含了所有的类别（单个图片的多分类问题）。全类平均正确率，又称全类平均精度， 所有类别的AP值累加求和/类别数,是将所有类别检测的平均正确率（AP）进行综合加权平均而得到，在目标检测领域，是十分重要的衡量指标，用来衡量目标检测算法的性能；有了AP的概念，mAP/Mean Average Precision就很好理解了，还是借用上面20个分类的例子,20个分类的AP均值。...
目标检测指标AP50/准确率/召回率说明
benben044的专栏
05-30 2547
AP的计算方式是在准确率-召回率曲线上，计算曲线下的面积，然后求平均值。因为对于每个类别，准确率-召回率曲线是不同的，所以会分别计算每个类别的AP值。准确率-召回率曲线：算法推理时每个预测框都有目标识别的置信度，通过在不同的置信度阈值下，以不同的召回率计算出的对应的准确率的点组成的曲线。比如有这么一种计算方式，取AP50到AP60，以0.5为间隔进行取值，分别得到不同的APX的值，然后求平均值及可得到mAP的值。，得到一个平滑的曲线，计算该曲线下的面积作为AP50的值。它是计算多组值的平均值。
目标检测评估指标mAP：从Precision,Recall,到AP50-95【未完待续】
专注“目标检测”领域技术分享
09-08 2万+
本文从True Positive, False Positive和False Negative的定义出发，讲解了Precision和Recall的定义，如何绘制P-R(Precision Recall)曲线，如何进一步计算得出AP。本文提供了手动计算所有指标的过程以及用sklearn计算这些指标的代码以及P-R curve的示意图。通过阅读本文你可以从源头开始了解mAP这一指标是如何计算的。
【计算机视觉 | 目标检测】常见的两种评价指标：AP50和APr的理解和对比
wzk4869的博客
04-01 9800
【计算机视觉 | 目标检测】常见的两种评价指标：AP50和APr的理解和对比
目标检测评价指标AP50，AP60
Luissen的博客
12-26 4万+
在目标检测中，我们常用AP和mAP来评价模型的好坏，但是在很多论文中出现了AP50，AP60等指标，这是什么呢？ 以Cascade R-CNN的一张图为例，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。可以看到数值越高，精确率越低，表明越难。 ...
目标检测中AP50 AP75 APs APm APl 含义
qq_36892712的博客
02-18 4614
在目标检测领域，我们经常会遇到一些评价指标，这些指标有助于衡量模型的性能。：平均精度，用于衡量目标检测模型的准确性。它考虑了不同置信度阈值下的精度，并计算出一个平均值。通常，我们使用不同的阈值（例如0.5、0.75等）来计算AP。：平均召回率，表示平均召回率。与AP类似，它也考虑了不同阈值下的召回率，并计算出平均值。AP50：在IoU（交并比）大于50%时的平均精度。AP75：在IoU大于75%时的平均精度。APs：小目标（面积小于32x32像素）的平均精度。APm。
pascal voc使用coco标准评测AP50与pasal标准评测的AP50不一致(长)
yinglang19941010的专栏
10-28 2650
问题描述 使用Pascal的coco格式标注文件是Detectron代码提供的，下载地址为https://github.com/facebookresearch/Detectron/blob/master/detectron/datasets/data/README.md#coco-minival-annotations 使用coco评测标准测出的AP50和voc评测标准测出的AP50不一致，相差...
coco和yolov5 map计算结果不一致的问题
包龙星的剑
02-07 5007
在测试检测benchmark时发现使用coco和yolov5计算出的map结果不一致, yolov5的指标要略高一点, 好奇他们都是如何计算的, 通过阅读源码, 发现了一些端倪, 如有纰漏, 还望指出.
目标检测Object Detection下的P-R曲线，AP，mAP，AUC，ROC曲线详解
catscanner的博客
12-22 9550
目录P-R曲线APmAP P-R曲线 上篇文章我们详细说了一下Detection中的Recall和Precision的计算，P-R曲线就是Precision和Recall画出的曲线。 AP mAP
yolov8评价指标AP与mAP的区别
最新发布
02-22
### YOLOv8 中 AP 与 mAP 评价指标的区别 在目标检测领域，平均精度 (Average Precision, AP) 和平均平均精度 (mean Average Precision, mAP) 是常用的性能评估标准。对于YOLO系列模型而言，这些度量同样适用。 #### 平均精度 (AP) AP 表示的是单个类别的预测效果好坏程度的一种衡量方式。具体来说，在给定置信度阈值下，通过计算不同交并比(IoU)下的精确率(Precision)-召回率(Recall)曲线下面的面积来获得该类别对应的AP值[^1]。当提到".5 IOU"时，则是指在这个特定IoU条件下所得到的结果。 #### 平均平均精度 (mAP) 相比之下，mAP是对多个类别上各自AP取算术平均值得到的整体表现分数。这意味着它不仅考虑了一个单独分类的表现如何，还综合考量了整个数据集中所有类别的总体识别能力。特别是在COCO这样的多标签评测集里，通常会报告从0.5至0.95步长为0.05的不同IOUs下的mAP作为最终成绩。 因此，在讨论YOLOv8或其他版本YOLO模型的时候： - **AP** 更多地反映了某一种物体类型的检出效率； - 而 **mAP** 则提供了一种更为全面地反映算法整体水平的方法，尤其是在处理多种不同类型的目标时更加有效。 ```python def calculate_ap(precisions, recalls): """Calculate the average precision given lists of precisions and recalls.""" ap = np.trapz(precisions, recalls) return ap def calculate_map(ap_per_class): """Compute mean average precision by averaging over classes' APs.""" map_value = sum(ap_per_class.values()) / len(ap_per_class) return map_value ```
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

打赏作者

坠金

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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