目标检测如何计算召回率_目标检测中AP的计算，你真的会了吗？

最新推荐文章于 2024-08-30 10:11:45 发布

梅洋汤

最新推荐文章于 2024-08-30 10:11:45 发布

阅读量775

点赞数

文章标签：目标检测如何计算召回率

本文链接：https://blog.csdn.net/weixin_36176546/article/details/113003582

版权

本文深入探讨目标检测中AP的计算，解释为何选择AP/mAP评估性能，详细阐述计算过程，并提供MATLAB实现。通过实例和代码，帮助理解AP的计算原理和PR曲线的绘制。

摘要由CSDN通过智能技术生成

本文直接跳过前面若干基础概念，前提需弄懂TP,FP,FN,TN,精确率，召回率，IOU等，具体可以参照文后Reference，下面进入正题，边讲述边实现，拒绝只谈不做和只做不谈。相比前人代码，本实现思路简洁，通用有效，最后根据官方现成函数计算AP进行对比。

一、引言案例

加载groundTruth数据和某算法预测的目标检测框

load calmAP.mat % 包含检测值和groundTruth

显示groundTruth，即真值，在图中标注为tennis、tennisRacket两类。

gTruth

gTruth = 3×3 table

equation?tex=%5Cbegin%7Barray%7D%5Bb%5D+%7B%7Cc%7Cc%7C%7D++%5Chline++%26+imageFilename%26+tennis%26+tennisRacket%5C%5C++%5Chline+1++%26+%27tennis1.jpg%27+%26+3%C3%974+double+%261%C3%974+double%5C%5C++%5Chline+2++%26+%27tennis3.jpg%27%26+2%C3%974+double%261%C3%974+double%5C%5C++%5Chline+3++%26+%27tennis4.jpg%27%26+1%C3%974+double%261%C3%974+double%5C%5C+++%5Chline+%5Cend%7Barray%7D%5C%5C

表格中第一列为图片路径名字，第二列为“tennis”的ROI，第三列为“tennisRacket”的ROI，M*4大小，每行为[x,y,width,height].

从表格中可以看出这里只用了3张照片，为简便起见，下面3张图只标注了有限数量的网球和网球拍两种目标。

某目标检测算法对上面3张图像的检测结果统计如下：

detectionResults

detectionResults = 3×3 table

equation?tex=%5Cbegin%7Barray%7D%5Bb%5D+%7B%7Cc%7Cc%7C%7D++%5Chline++%26+predictBoxes%26+predictScores%26predictLabels%5C%5C++%5Chline+1++%26+5%C3%974+double%26+5%C3%971+double+%265%C3%971+categorical%5C%5C++%5Chline+2++%26+2%C3%974+double%262%C3%971+double%262%C3%971+categorical%5C%5C++%5Chline+3++%26+3%C3%974+double%263%C3%971double%263%C3%971+categorical%5C%5C+++%5Chline+%5Cend%7Barray%7D%5C%5C