MODA与MODP - 目标检测中常见检测指标总结

最新推荐文章于 2025-04-17 20:40:10 发布

ZC_Duan

最新推荐文章于 2025-04-17 20:40:10 发布

阅读量3.4k

点赞数 4

分类专栏：目标检测文章标签：深度学习神经网络

本文链接：https://blog.csdn.net/weixin_40789546/article/details/111581779

版权

目标检测专栏收录该内容

1 篇文章

订阅专栏

目标检测中常见检测指标的含义

最近在做多目标检测和目标定位感知相关的工作。之前一直用mAP来测算模型的表现，但是最近频繁接触MODA MODP，特此记录一下。

定义参考这篇论文：PERFORMANCE EVALUATION PROTOCOL FOR FACE, PERSON AND VEHICLE DETECTION & TRACKING IN VIDEO ANALYSIS AND CONTENT EXTRACTION (VACE-II) CLEAR – CLASSIFICATION OF EVENTS, ACTIVITIES AND RELATIONSHIPS

文章目录

- 目标检测中常见检测指标的含义

1. Overlapping Ratio

这个叠度其实就是IoU，只不过在这篇文章里叫Overlapping Ratio。
$Overlapping\ Ratio =\sum_{i=1}^{N^t_{mapped}} \frac{|G_{i}^{(t)} \cap D_{i}^{(t)}|}{|G_{i}^{(t)} \cup D_{i}^{(t)}|}$

公式与叠度的计算完全一样，不过多了一些角标。 $G_{i}^{(t)}$ 代表的是第 $t$ 帧里面的第 $i$ 个物体的ground truth标签。同理 $D_{i}^{(t)}$ 代表检测的结果。 $N^t_{mapped}$ 代表此帧一共检测出多少个物体。注意此处的Ratio实际上是对比率进行求和。

2. MODP(Multiple Object Detection Precision)

MODP的定义比较简单：
$\frac{Overlap\ Ratio}{N^t_{mapped}}$
刚刚说Overlap Ratio是求和，所以次数除以数量，可以理解为平均的与gt的叠度。如果 $N^t_{mapped}$ 是0，也就是没有检测结果，那么MODP直接是0。

最后标准化的MODP的计算需要考虑到所有的帧，于是N(normalized)-MODP的定义就是：
$\frac{\Sigma_{t=1}^{N_{frames}}MODP_{(t)}}{N_{frames}}$

3. MODA(Multiple Object Detection Accuracy)

首先上公式：
$\frac{c_{m}(m_{t}) + c_{f}(fp_{t})}{N_{G}^{t}}$
$t$ 表示第几帧， $m_{t}$ 表示第 $t$ 帧里的漏检的数量（missed detect，就是没有检测出来的）， $fp_{t}$ 表示false positive，也就是假阳性的数量（false alarm，多检测出来的）。 $c (m)$ 代表自定义的missed detect（漏检）的损失函数， $c_{f}$ 代表自定义的false alarm的损失函数。 $N_{G}^{t}$ 代表在第 $t$ 帧里ground truth物体的数量。

与MODP类似，MODA的标准化定义为:
$\frac{\Sigma_{i=1}^{N_{frames}}(c_{m}(m_{i}) + c_{f}(fp_{i}))}{\Sigma_{i=1}^{N_{frames}}N_{G}^{i}}$

在这里插入图片描述
图a就是false alarm（虚警、假阳性）的例子，图b是miss detect（漏检）的例子。

4. 目标检测中的Precision、Accuracy的一些反思

发现之前自己做项目的时候都是很浅显的把Precision和Accuracy当做目标检测的指标，却也从来没想过到底合不合理，看来还是自己之前想的太幼稚了。

其实感觉Precison和Accuracy主要用作目标分类，因为这两个及其相关其他指标都是用TP FP TN FN来计算的，而这些都是物体分类相关的数值，并不能直接表示检测框的准确度（虽然分类的准确度很大程度上依赖于目标框的位置准确度）。于是MODA，MODP这两个指标应运而生，完全用来检测目标框的准确与否。这也是为什么现在看AP已经不够了，一些曾经优秀、经典的算法其实MODP，MODA都不高。