tensorboard模型评估图（mAP, mAP(large), mAP(medium), mAP(small), mAP(0.50IOU)）

一、准确率：

DetectionBoxes_Precision：

mAP：平均精度超过IOU阈值的平均精度，范围从.5到.95，增量为.05

mAP（large）：大对象的平均精度（96 ^ 2像素<区域<10000 ^ 2像素）

mAP (medium)：中等大小对象的平均精度（32 ^ 2像素<区域<96 ^ 2像素）

mAP (small)：小对象的平均精度（区域<32 ^ 2像素）(此处为区域为面积)

mAP@.50IOU：平均精度为50％IOU

mAP@.75IOU：平均精度为75％IOU

 

二、召回率

DetectionBoxes_Recall

AR@1：1次检测的平均召回率。

AR@10：平均召回10次检测。

AR@100：平均召回100次检测。

AR@100 (large)：具有100次检测的大型对象的平均召回率。

AR@100 (medium)：中等对象的平均召回率为100。

AR@100 (small)：小型对象的平均召回率为100。

三、损失值

HardExampleMiner/NumNegatives：暂时还不知道

HardExampleMiner/NumPositives：暂时还不知道

最终分类损失：

BoxClassifierLoss/classification_loss：类别损失，此处的分类为将检测出来的对象分类到不同的类中，如猫，狗，飞机等（Loss for the classification of detected objects into various classes: Cat, Dog, Airplane etc）

BoxClassifierLoss/localization_loss：局部损失，或者边界框回归量损失（Localization Loss or the Loss of the Bounding Box regressor）

区域提取网络损失：

RPNLoss/localization_loss：局部损失，或者RPN的边界框回归量（Localization Loss or the Loss of the Bounding Box regressor for the RPN）

RPNLoss/objectness_loss：分类器损失，此处分类器的功能为对感兴趣的对象或者背景进行分类（Loss of the Classifier that classifies if a bounding box is an object of interest or background）

 

参考资料：

https://stackoverflow.com/questions/52068835/tensorboard-graph-recall

https://stackoverflow.com/questions/48111847/tensorflow-object-detection-api-what-do-the-losses-mean-in-the-object-detectio

关于准确率与召回率的概念可以看：

1.https://blog.csdn.net/zdh2010xyz/article/details/54293298

2.https://blog.csdn.net/qq_38469553/article/details/85140183

3.https://blog.csdn.net/qq_41994006/article/details/81051150