混淆矩阵:
precision:精确度,所有的预测为正样本的情况下,预测对了的概率。
精确率(precision)=TP/(TP+FP)
recall:召回,预测为正样本占数据集中真实值为正样本的比值
召回率(recall)=TP/(TP+FN)
accuracy:准确率,所有预测对的情况占所有预测结果的比值,针对的是全类别
准确率(accuracy)=(TP+TN)/(TP+FN+FP+TN)
F1 score:F1=2precisionrecall/(precision + recall),F1 score可以评价一个算法的好坏。
F1 score本质是调和平均值。调和平均数又称倒数平均数。
调和平均数主要有一下几个主要特点:
AP(average precision):模型在某个类别的平均精度,通过P-R曲线的下的面积计算。理解为不同recall值时对应的precision的平均值。
mAP(mean AP):平均精度的均值,模型各类别的AP的均值。
计算AP都需要得到不同recall下precision的值,由于recall=TP/(all gt nums),所以只要得到不同的TP即可得到不同的recall值,而想要增加或减少TP的方式,只能是让用于计算TP的总预测框数量变多/变少,即动态的调整score的阈值,让更多/更少的预测框参与计算。