参考:https://blog.csdn.net/lppfwl/article/details/108018950
经常看见目标检测论文里面的评价指标是AP(mAP)-FPS图像,其实本质也是衡量模型的精度和速度。关于计算AP的基础概念参考链接即可。
step1:在测试集上运行侦测网络,得到NMS去重以后的结果boxes。
step2:对于每一类别分别计算AP,以一张图片的一个类别为例:
假设一张测试图片上有3个类别为dog的目标,网络侦测后输出了5个框。如图所示:
将输出的5个框分别和3个实际框(也就是GT-BOX)做iou,最大的iou_max则是和相应的GT框对应,用这个iou_max去和一个阈值iou_thr进行比较,若iou_max>iou_thr,则人为这个输出框是预测准确了的,否则认为是negative,并且在GT-BOX和侦测框中去掉对应的框。
计算一次P-R点,P代表精确度(查准率),R代表查全率。如何计算,查其他资料即可。
重复上面的步骤,直到把这个类别计算完成。
计算完后,这个类别的AP值就是曲线下的面积。
step3:所有类别的mAP计算(我自己认为把这个计算值称为AP可能比较合理,但是目前资料也没有统一定义)
分别求出其他类的AP值,然后求和后除以类别数。
step4:前面涉及到阈值iou_thr,iou_thr不同,得到的AP也不一样,也可以计算一个mAP。