目标检测中常见指标 AP MAP coco Pascal voc 评价指标说明

于 2022-11-14 10:54:50 发布
阅读量1.7k 收藏 5
点赞数
分类专栏： CV基础知识 文章标签： 目标检测 计算机视觉 人工智能
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_68308828/article/details/127812085
版权

首先要明确在目标表检测的公共数据集有 Pascal voc 和MS coco \

现在都用coco了

 这个 黑色的框呢 叫ground truth框 就是标签人为给出的

什么是Ground-truth，Ground-truth什么意思_：）�东东要拼命的博客-CSDN博客

这个红色的框 boundingbox 简称bbox 是机器预测出来的

那么 问题来了

怎么才算我的检测算法达标呢

 此图取自

 目标检测宝藏up主

precision 和recall 一定要明白

这样才有AP mAP 可以玩

目标检测01笔记AP mAP recall precision是什么 查全率是什么 查准率是什么 什么是准确率 什么是召回率_：）�东东要拼命的博客-CSDN博客

这三个指标都是我们需要的

这里的Ap其实就是map

 iou0.5 写着是适用PASCAL数据集的

第一个 是适用MSCOCO的

iou.75 是给那些对自己算法很自信的宝贝用的

 从0.5到0.95 每次步长0.05、

 这个是像素规模，比较好理解吧

这个是图片中的类别

通常都是10,

100比较少见 

东东要拼命
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
map评价吗 voc数据集可以用coco_目标检测评价指标(mAP)
weixin_33601402的博客
02-17 1544
常见指标precision 预测出的所有目标中正确的比例 (true positives / true positives + false positives).recall 被正确定位识别的目标占总的目标数量的比例 (true positives/(true positives + false negatives)).一般情况下模型不够理想，准确率高、召回率低，或者召回率低、准确率高。如果做疾病...
目标检测之COCO评价指标
热门推荐
Thomas_Cai的记忆殿堂
09-04 1万+
一、基础概念 TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次） FP: IoU<=0.5的检测框，或者是检测到同一个GT的多余检测框的数量 FN: 没有检测到的GT的数量 Precision: TP / (TP + FP) Recall: TP / (TP + FN) PR曲线: Precision-Recall曲线 AP: PR曲线下面积 mAP: mean Average Precision, 即各类别AP的平均值 二、AP、mAP、AR、mAR计算 AP
目标检测打卡营上：VOC/COCO数据集、评测指标&Faster R-CNN等两阶段检测算法
qq_56591814的博客
07-18 4813
本文介绍了： 1. 目标检测基本概念、评测指标 2.voc/coco数据集 3.R-CNN/Fast-RCNN/Faster- RCNN模型 4. FPN检测算法 5. Cascade-RCNN检测算法 6. Libra R-CNN检测
pascal voc使用coco标准评测AP50与pasal标准评测的AP50不一致(短)
yinglang19941010的专栏
10-28 1441
本文是结论，详细过程参考 https://blog.csdn.net/yinglang19941010/article/details/102790168 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/...
【目标检测】目标检测中常见的评价指标
qq_38253797的博客
05-07 3319
目录一、定义1.1、TP1.2、FP1.3、FN1.4、Precision1.5、Recall1.6、AP1.7、mAP二、mAP计算过程（实例）三、YoLo输出结果的理解Reference 一、定义 1.1、TP TP（True Positive）：IoU>0.5的检测框数量；检测成正样本，且检测对了（本质是正样本） 1.2、FP FP（False Positive）：IoU<=0.5的检测框数量（误检）；检测成正样本，但检测错了（本质是负样本） 1.3、FN FN（False Negativ
目标检测数据集PASCAL VOC简介
generalsong的博客
09-08 4288
https://arleyzhang.github.io/articles/1dc20586/ 简介 PASCAL VOC挑战赛 （ThePASCALVisual Object Classes ）是一个世界级的计算机视觉挑战赛,PASCAL全称：Pattern Analysis, Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。 很多优秀的计算机视觉模型比如分类，定位，检测，分割，动作识别等模型都是基于PASCAL...
mAP-master.zip_mapmaster npc大小_目标检测_目标检测方法的MAp测试_目标检测评价_评估
最新发布
09-22
常见的评估工具如COCO API、PASCAL VOC等提供了计算mAP和其他评估指标的功能。 综上所述，mAP-master.zip文件可能包含了一个用于计算mAP和评估NPC目标检测性能的工具或代码库，这对于研究和开发目标检测算法的人员...
100.目标检测的性能评价指标1
08-03
mAP是目标检测中最重要的性能指标，它综合了算法在所有类别上的平均精度。mAP是通过计算每个类别的平均精度（AP）并取平均得到的。AP又与Precision-Recall曲线密切相关，该曲线展示了在不同召回率（Recall）下，算法...
目标检测VOC数据集天牛1000张
06-30
VOC（PASCAL Visual Object Classes Challenge）数据集是一个广泛用于目标检测研究的标准数据集，由牛津大学计算机视觉组创建。在这个“天牛1000张”数据集中，我们专注于对天牛这一特定生物进行目标检测。 该数据...
C02_深度目标检测_邬书哲_V2_目标检测_目标检测评价_cv_yolo_V2_
09-30
一些常用的数据集包括PASCAL VOC、MS COCO和ImageNet。这些数据集提供了丰富的标注信息，使得模型能够学习到多种不同环境下的物体特征。 总结而言，“C02_深度目标检测_邬书哲_V2”这一主题涵盖了目标检测的核心...
目标检测方法总结1
08-03
目标检测的评估 metrics 包括精度（Precision）、召回率（Recall）、平均精度（AP）、平均平均精度（mAP）、交并比（IoU）和帧率（FPS）。当一幅图像中存在多个不同类别的目标对象时，精度和召回率将分别计算每个...
9.YOLO_v3求出map精度.zip--深度学习文章9
06-04
为了计算mAP，通常需要使用评估工具，例如PASCAL VOC的evaluation工具或COCO的API。这些工具会对每个测试图像进行遍历，计算每个类别的AP，并最终得出mAP。在YOLO_v3中，提升mAP可能的方法包括数据增强、调整锚点...
目标检测论文学习笔记1
08-03
PASCAL VOC2012是一个广泛使用的数据集，包含20个类别，用于训练和测试目标检测模型。而现在，COCO数据集因为其丰富的类别和详细的标注，已经成为主流。使用labelImg软件可以方便地对自定义数据集进行标注，生成...
深层卷积神经网络的目标检测算法综述_张泽苗.pdf
10-25
Average Precision (AP)和Mean Average Precision (mAP)是衡量检测算法性能的关键指标，尤其在PASCAL VOC和COCO等公共数据集上。IoU (Intersection over Union)则用于判断预测框与真实框的匹配程度，是计算AP的重要...
Oxford_mAP1_matlab图像处理_Oxford_
10-03
平均精度是评估目标检测算法性能的一种常用方法，尤其是在PASCAL VOC和COCO等基准测试中。让我们深入了解一下这个主题。 **平均精度（mAP）**： 平均精度是通过计算所有类别平均精度的加权平均来得出的。在目标检测...
ap 目标检测算法map_目标检测的指标AP与mAP
weixin_34260080的博客
12-24 1792
最近在处理实验数据的时候，想到了之前学习的分类混淆矩阵当时没有完全弄懂，刚好借着这个机会给深入的学习一下，做好相应的笔记一、检测指标在目标检测任务中，通过不同的IoU阈值来进行检测器的整体的性能评估，对于MS COCO目标检测，有如下检测指标对于MS COCO关键点检测，官方给出的评价指标为OKS(object keypoints similarity)，其评价指标和检测的IoU也很类似，在不同的...
map评价吗 voc数据集可以用coco_深度学习代码输出评价指标：通过代码详细指出COCO数据集和VOC数据集如何计算AP值...
weixin_39805355的博客
12-18 435
整理了一些关于目标检测评价指标的资料，并在通过代码展现给大家展示AP值的输出，目录如下，可以直接通目录检索所需部分目录评价指标代码输出指标COCO数据集COCO自带接口获取其他参数VOC数据集test.py 直接调用Faster R-CNNATSS算法评价指标一提到评价指标，我们下意识其实是准确度和精度，确实如此。目标检测部分常用的评价指标为：召回率(recall)——含有目标的样例中，能正确识别...
PASCAL VOC数据集
02-17 591
简介PASCAL VOC(The PASCAL Visual Object Classes)是一个世界级的计算机视觉挑战赛，第一届比赛在2005年举办，随后一年举办一次，直到2012年最后...
PASCAL VOC数据集分析（检测部分）
tsq292978891的博客
12-05 3610
Pascal VOC 数据集介绍介绍Pascal VOC数据集：Challenge and tasks， 只介绍Detection与Segmentation相关内容。数据格式  Dataset衡量方式  Evaluationvoc2007, voc2012Challenge and tasks给定自然图片， 从中识别出特定物体。 待识别的物体有20类：personbird, cat, cow, d...
目标检测方法总结1: 通用目标检测的评估与数据集简介
平均精度（Average Precision，AP）和平均精度均值（mean Average Precision，mAP）是常用的多类别目标检测任务的评价指标，可以评估模型在不同类别上的平均性能。IoU（Intersection over Union）是常用的评估检测...
评论 3
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

东东要拼命

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