ap 目标检测算法map_目标检测mAP怎么计算

---

啥也不说，直接把精简总结贴最前面，懂的回顾一下帮忙看看总结的对不对，不懂的继续往下翻看细节解释。如有纰漏，欢迎各位大佬指正。

总结

输入

• 个真值框GTs，
  个检测结果Dets(bbox+scores)。

预处理：分配+排序

• 根据 IOU 阈值确定 TP, FP（其实FP在计算时没有用）；一个GT若有多个Dets，选择其中一个为 TP ，其余为 FP ；
• 根据置信度score，从高到低对所有Dets进行排序；为每个Det进行标记：若其为TP标为1，否则标为0，可得到表 T；T的长度为
  ，即Dets的数量。

计算 Precision 和 Recall

• 从头开始遍历 T，当前步数为
  ，则
  ，
  ;
• 其中，
  ，
  为当前步时 TP 的个数，
  为真值框个数；
• PR图：Recall为横轴，Precision为纵轴。

计算 mAP

• PASCAL VOC
  • 11点插值法：Recall值为离散的11个点[0, 0.1, ..., 1]；对每一个点，在 PR图上向右找最大的Precision值，找到11个对应的Precision值，加和求平均即为AP。
  • all点插值法：Recall值为[0, 1]区间内的所有点；对每个点，在 PR图上向右找最大的Precision值，找到无穷个对应的Precision值，对其求定积分即为AP，即近似为PR曲线下的面积。
• COCO
  • 101点插值法：COCO使用101点插值法进行计算。

Metrics

在下面的主题中，有一些用于目标检测的最受欢迎度量的介绍。

Precision x Recall curve

Precision x Recall曲线是评估目标检测器性能的好方法，因为通过为每个目标类别绘制一条曲线来改变置信度。如果特定类别的目标检测器的精度随查全率的提高而保持较高，则认为该检测器良好，这意味着，如果您改变置信度阈值，则查准率和查全率仍然很高。识别优质目标检测器的另一种方法是寻找一种只能识别相关物体（0个误报=高精度）的检测器，找到所有ground truth目标（0个误报=高召回率）。

不良的目标检测器需要增加检测到的物体的数量（增加的误报=较低的精度）才能检索所有ground truth目标（高召回率）。因此，Precision x