目标检测mAP(Mean Average Precision)

TP(True Postives) IoU>0.5检测出边框的数量

FP(False Positives) IoU<=0.5检测出边框的数量

FN(False Negatives) 没有检测到gt的的数量

Precision : TP/(TP+FP) 查准率

Recall : TP/(TP+FN) 查全率

AP: Precision-Recall 曲线下面积

mAP:各种类别AP的平均值

Retrieval cutoffPrecisionRecall
Top 1 image100%20%
Top 2 images100%40%
Top 3 images66%40%
Top 4 images75%60%
Top 5 images60%60%
Top 6 images66%80%
Top 7 images57%80%
Top 8 images50%80%
Top 9 images44%80%
Top 10 images50%100%

图来源:It’s a bird… it’s a plane… it… depends on your classifier’s threshold

假设得到的pr数据如上,我们可以得到pr图

首先要删除recell相同,并且precision小于最大值的数据,不加入计算

AP:(1 *0.2) + (1 * 0.2) + (0.75 * 0.2) + (0.66 * 0.2) + (0.5 * 0.2) = 0.782

mAP就是计算每一个AP,然后求平均值。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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