ap 目标检测算法map_目标检测的指标AP与mAP

最新推荐文章于 2024-08-13 22:17:23 发布
最新推荐文章于 2024-08-13 22:17:23 发布
阅读量1.8k 收藏 4
点赞数
文章标签： ap 目标检测算法map
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/weixin_34260080/article/details/111955703
版权
本文详细介绍了目标检测任务中的评价指标，包括AP（Average Precision）、mAP（mean Average Precision）及其计算方法。内容涵盖PR曲线、IOU阈值、召回率与准确率的关系，以及Pascal VOC 2008和MS COCO数据集的差异。此外，还讨论了不同尺度目标的AP测量值，如AP@0.5和AP@0.75。
摘要由CSDN通过智能技术生成

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，在不同的阈值下来实现整体的性能评估

二、precious(准确率)和recall(回归率)

以上的检测衡量指标中，都看到了AP和AR，分别代表Average Precious和Average Recall

(用来评估预测出来的正确率)

(用来评估预测出来了多少正确的样本)

对应关系如图所示，Precious表示预测为正确结果中，由多少是对的，即反映预测准确的参数；但是只是预测准确率很高，但是很多没有预测出来那也是不行的(有100个样本，预测了1个正例，99个反例，而且这个1个正例预测是正确的，那么准确率是100%，单纯的这样来衡量是没有道理的，因为还有99个直接给否定了)，所以Recall这个指标就是为了衡量这个问题，一共的正例的样本&#

最低0.47元/天 解锁文章
别逃离我
关注
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 1567
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...
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
12-18 468
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...
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 4868
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
MAP的计算
最新发布
qq_74330924的博客
08-13 538
AP和MAP是用于评估深度学习目标检测模型性能的常用指标。AP是指对于每个类别，计算检测结果与真实标签匹配时的精度，然后将其平均化；而MAP则是对所有类别的AP进行平均。因此，AP和MAP都是越高越好，表示模型在目标检测任务中表现越优秀。
PASCAL VOC数据集分析（检测部分）
tsq292978891的博客
12-05 3622
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...
目标检测中常见指标 AP MAP coco Pascal voc 评价指标说明
qq_68308828的博客
11-14 1844
目标检测中常见指标 AP MAP coco Pascal voc 评价指标说明
ap 目标检测算法map_目标检测算法的评估指标：mAP定义及计算方式
weixin_34337134的博客
12-24 1693
前面依次介绍了：本节介绍目标检测算法的评估指标：mAP定义及计算方式mAP：mean Average Precision，平均精度均值，即AP(AveragePrecision)的平均值，它是目标检测算法的主要评估指标。目标检测模型通常会用速度和精度(mAP)指标描述优劣，mAP值越高，表明该目标检测模型在给定的数据集上的检测效果越好。在Tensorflow detection model zo...
ap 目标检测算法map_目标检测中的mAP
weixin_42350506的博客
12-24 947
如何衡量目标检测算法的优劣目标检测(object detection)问题相对于一般AI分类问题更加复杂，不仅检测出目标，输出目标的类别，还要定位出目标的位置。分类问题中的简单accuray指标已经不能反映出目标检测问题结果的准确度，而mAP (Mean Average Precision)就是被用来衡量目标检测算法优劣的常用指标。要理解什么是mAP，需要先澄清什么是Precision(查准率)和...
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
09-22
"mAP"，全称为“Mean Average Precision”，即平均精度均值，是衡量目标检测算法性能的关键指标。mAP-master.zip文件中的内容很可能是针对目标检测算法评估的工具或代码库，特别是针对NPC（Non-Player Character，非...
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
阿波
04-14 6792
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，能正确识别出来的比例。 平均精...
利用COCO API测试自己数据集训练的YOLOv3模型的mAP（VOC格式数据集）
weixin_44481086的博客
01-12 4865
目录前言工具步骤安装darknet获取自己模型的.weight文件（将.h5文件转换成.weight文件）安装darknet 前言 对于不同数据集mAP值的计算方法不同，VOC2007提出了利用11个recall值来计算AP，而在2010之后使用了所有数据点来计算AP。COCO数据集采用的计算方式更加严格，它计算了不同IOU阈值和物体大小下的AP值，再取平均值。 本文参考了利用COCO API评估YOLOv3模型mAP的相关文章，这里总结了如何评估自己训练出的yolov3模型的mAP，其中自制数据集参考了V
目标检测算法回顾之评价指标与数据集
xiaobaizaza_Ry的博客
05-23 1059
目标检测的评价指标与数据集评价指标概述AP与mAP数据集常见数据集两大主流数据集两大标注软件三种常用的标签格式 评价指标概述 前面说IOU与目标检测评价息息相关，主要是因为目标检测在进行评价比较时会说明对应的IOU阈值。那目前大家一般采用的评价指标有哪些呢？同样，从目标检测的两个要求来看（精度和效率），一般精度大家都会计算各种IOU阈值下的mAP值和F1分数等。mAP的计算依赖于TP,FP,TN,FN等的计算，也就是依赖Precision和Recall来计算的。因为大家或多或少都会接触过Pr和Re的计算，
[PocketFlow]解决在coco上mAP非常低的bug
weixin_30326515的博客
03-23 1024
1.问题 继上次训练挂起的bug后，又遇到了现在评估时AP非常低的bug。具体有多低呢？Pelee论文中提到，用128的batchsize大小在coco数据集上训练70K次迭代后，AP@0.5:0.95为22.4，而我用32的batchsize反复微调之后，最后AP也只从2.9上升到了3.7...下图为训练的过程： 2.解决 其实看loss和accuracy还是可以的，但是ap就是上不去...
目标检测概述-VOC COCO数据集 IOU AP NMS
qq_44817900的博客
06-06 2023
PASCAL VOC数据集 和 MS COCO数据集。PASCAL VOC包含约10,000张带有边界框的图片用于训练和验证。常用的是VOC2007和VOC2012两个版本数据，共20个类别，分别是：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-z7lVGxa3-1654485842228)(D:\Desktop\CV_tensorflow笔记\目标检测\图片库\PASCAL VOC数据集.png)]其目录结构如下：JPEGImages存放图片文件Annotations下存放
目标检测map的计算演化 从voc到coco
weixin_44523062的博客
04-14 375
https://zhuanlan.zhihu.com/p/37910324 如何计算map，ap，一般按IOU阈值 = 0.5 来进行计算PR曲线 代码见： 深度学习之pytorch 物体检测实战，种第一章 通过对各个类别的ap进行分析，对其低的进行分析添加训练样本提升总的map IoU是一个简单的几何度量，可以很容易标准化，比如在PASCAL VOC竞赛中采用的IoU阈值为0.5，而COCO竞赛中在计算mAP较复杂，其计算了一系列IoU阈值（0.5至0.95，间隔0.05）下的AP再取平均值。 它是直接把
目标检测——基本评价指标
weixin_46266147的博客
12-01 3619
科研的基础，是要有一套可以客观评价方法效果的指标，这样不同的方法才具有可比性。 而目标检测任务相比图像分类任务更为复杂，随着研究的深入，各种各样的评价指标相继出现，针对不同任务，侧重的评价指标也各不相同，这里对目标检测中出现的基本评价指标做一点总结。 评价指标基础 针对正负样本二分类问题，有以下这些指标，这是理解后续内容的基础。 TP（True Positive）：预测为正样本，真值也为正样本； FP（False Positive）：预测为正样本，真值为负样本； TN（True Negative）：预测为负
VOC2007和COCOmAP计算
m0_53482010的博客
04-14 2048
VOC2007和COCOmAP计算前言一、VOC 评价标准二、COCO 评价标准 前言 之前看了很多文章，一直搞不清楚mAP的具体计算方法，自己手推了一下，在此记录一下。 一、VOC 评价标准 这里只介绍07年的方法：首先设定一组阈值，[0, 0.1, 0.2, …, 1]。然后对于recall大于每一个阈值（比如recall>0.3），都会得到一个对应的最大precision。这样，就计算出了11个precision。AP即为这11个precision的平均值。这种方法英文叫做11-point in
sklearn分类器评估指标（精确率,混淆矩阵,precious-recall-Fmeasur，ROC曲线，损失函数）
soulproficiency的博客
04-14 2578
精确率 accuracy_score函数计算分类准确率：返回被正确分类的样本比例或者数量 当多标签分类任务中，该函数返回子集的准确率，对于给定的样本，如果预测得到的标签集合与该样本真正的标签集合吻合，那么subset accuracy=1否则为零 import numpy as np from sklearn.metrics import accuracy_score y_pred=[0,2,1...
详解目标检测指标mAP计算与即插即用模块实现
mAP综合考虑了精度（Precision）和召回率（Recall）两个方面，是衡量检测算法准确性的重要指标。 - **精度（Precision）**：指预测为正的样本中实际为正的比例。 - **召回率（Recall）**：指实际为正的样本中被预测...
评论
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
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