1.IOU(交并比)
IOU,交并比,顾名思义,就是预测框bounding box与真实框ground truth的交集比上并集。可以用来衡量检测物体位置的偏差。形象点可以看下图(用画图软件所画):
IOU=交集/并集 (即图中的黄色部分比上绿色的部分)
2.precision和recall
准确率
召回率
参数的含义为:
T:分类正确 F:分类错误
P:认为是正样本 N:认为是负样本
TP:当预测框(bounding box)与真实框(ground truth)的IOU大于某个阈值(threshold)时,认为这个预测框预测的结果是正确的,并且实际的类别也与预测值一样,就算作一个TP。简单来说就是预测一个正样本,结果正确。
FP:首先表明我们预测的结果是错误的,该样本实际是一个负样本,但是预测的结果却是正样本
FN:与FP类似,预测结果是错误的,该样本实际是一个正样本,但是预测的结果是负样本
那么precision准确率的实际意义就是在已经检测出来的物体中,有多少是检测正确的
而recall召回率的实际意义就是在所有的物体中,有多少被检测出来的。(因为还会存在一些物体没有被检测出来)
3.AP和mAP
由于在评价一个模型的好坏时,单独用precision和recall都不能全面的评测算法的性能,因此将precision和recall画在一张图像上来表示检测的性能,我们称之为一类物体的AP。AP值就是precision和recall构成的图像的面积。类似于下图:
而mAP就是各种类别的AP值算平均值,得到整个模型的检测指标。
需要将input文件夹里面的detection-results和ground-truth换成自己的数据,images-optional为可选项。
参考: