检测和分割算法常用的评价指标

目标检测

map的计算，mAP@.5 mAP@.5:.95的含义

检测网络的输出有置信度和bbox的位置。根据这两个的综合评价得到一个准确的指标：ap，map。

mAP@0.5:mean Average Precision,就是给每一类分别计算AP,然后做mean平均。

如果有多类目标，求一个平均值就是map值。
以上这种方法只根据置信度得到的多组p-r值。一般默认iou阈值是0.5.即大于0.5的认为是目标。这种方法得到的map称为mAP@.5

还有一种是mAP@.5:.95。是把iou从0.5~0.95,每隔0.05计算一个map，最后把这些map求平均得到的。
 

图像分割

PA：像素准确率
对应：准确率（Accuracy）
含义：预测类别正确的像素数占总像素数的比例

CPA：类别像素准确率
对应：精准率（Precision）
含义：在类别 i 的预测值中，真实属于 i 类的像素准确率，换言之：模型对类别 i 的预测值有很多，其中有对有错，预测对的值占预测总值的比例

MPA：类别平均像素准确率
含义：分别计算每个类被正确分类像素数的比例，即：CPA，然后累加求平均
MPA = sum(Pi) / 类别数

IoU：交并比
含义：模型对某一类别预测结果和真实值的交集与并集的比值

MIoU：平均交并比
含义：模型对每一类预测的结果和真实值的交集与并集的比值，求和再平均的结果