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-CNN
ATSS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。
平均精度(AP)——准确率-召回率(Precision-recall)曲线下面的面积
这个召回率其实很生动,我放上一位前辈的博客,里面对各个指标的解释都很详细
目标检测 — 评价指标
我需要提醒的一点是这个AP值该如何理解,盗个图(侵删)
横坐标是指我(分类器)识别的正样本里面正确标注的比例——召回率
纵坐标是指我(分类器)能识别出的正样本占总正样本比例——准确率
当我们 test.py ——也就是分类器代码分类结束后,在运行一个代码,他把我们的结果一个个输进去。
那么很显然,刚开始,准确率肯定高,前几个都是对的那比例值就是 1 了。此时召回率扛不住的,几千张图片的话,分子为个位数,那么百分比就将近 0 了
随着 test.py 结果的不断输入,我们的准确率会减少,召回率相当于大力出奇迹,就上去了