目标检测中的Recall,Precision,Ap,mAp

最新推荐文章于 2024-05-03 11:07:56 发布
最新推荐文章于 2024-05-03 11:07:56 发布
阅读量419 收藏 1
点赞数
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43392283/article/details/105307385
版权

个人理解，共同学习。图片来自于其它博客和知乎

1.Recall和Precision

Precision：判断为正的正样本在所有判断为正的样本的比例
在这里插入图片描述
Recall：判断为正的正样本在所有正样本的比例
在这里插入图片描述

这里解释一下各项的意义：

TP:判断为正的正样本
FP:判断为正的负样本（检测错的）
TN:判断为负的负样本
FN:判断为负的正样本（没检测出来的）
在这里插入图片描述

在这里插入图片描述

2.Ap

IOU阈值：一般为0.5， 将计算出的iou与此数值比较判断此框属于Positive还是False。
置信度阈值：conf_threshold，范围在0到1之间，与不同框的iou(交并比)作比较，会得到很多组的Recall和Precision。
将不同组的Recall和Precision点画在二维坐标图上，作为P-R曲线。
AP就是在P-R曲线图中取一个平滑的曲线，即每个峰值点向左画一条直线，与临近峰值点的垂直线相交，由得来的曲线与坐标轴之间的面积，即为AP值。

现在被采用的计算方法：
在这里插入图片描述
下图右上角的阴影面积即为Ap值。
在这里插入图片描述

2.mAp

mAp=Ap/类别总数

Alexander.H
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
计算目标检测IoU、Precision、Recall
05-15
计算目标检测IoU、Precision、Recall 计算目标检测IoU、Precision、Recall 计算目标检测IoU、Precision、Recall 计算目标检测IoU、Precision、Recall 计算目标检测IoU、Precision、Recall 计算目标检测IoU、...
机器学习：目标检测为例，作出Precision-Recall曲线
qq_53951219的博客
10-19 3121
P-R曲线
深度学习中的Precision和Recall，AP，mAP
重剑无锋博客
03-01 1559
Precision精确率， Recall召回率，是二分类问题常用的评价指标。混淆矩阵如下： T和F代表True和False，是形容词，代表预测是否正确。 P和N代表Positive和Negative，是预测结果。 2. Precision 精确率计算公式： 理解： TP+FP: 也就是全体Positive， 也就是预测的图片中是正类的图片的数目 TP: 也就是正类也被预测为正类的图片的个数 总之：预测正确的图片个数占总的正类预测个数的比例（从预测结果角度看，有多少预测是准确的）.
目标检测-指标
qq_43578042的博客
08-13 599
目标检测评价指标
目标检测基础（TP，recall，PR曲线，mAP，NMS）
IanYue的博客
08-12 3290
本文针对目标检测入门基础知识，讲解TP，recall，Precision，PR曲线，mAP，NMS等计算
目标检测扩（六）一篇文章彻底搞懂目标检测算法中的评估指标计算方法（IoU（交并比）、Precision（精确度）、Recall（召回率）、AP（平均正确率）、mAP（平均类别AP） ）
qq_40959462的博客
10-21 5858
​ 基本在目标检测算法中会碰到一些评估指标、常见的指标参数有：IoU（交并比）、Precision（精确度）、Recall（召回率）、AP（平均正确率）、mAP（平均类别AP）等。这些评估指标是在评估阶段评价训练的网络好坏的重要依据。
深度学习目标检测_NMS、IOU、Precision、Recall、AP、mAP详解
m0_54634272的博客
12-29 4313
深度学习目标检测_IOU、Precision、Recall、AP、mAP详解
【计算机视觉 | 目标检测】术语理解3：Precision、Recall、F1-score、mAP、IoU 和 AP
wzk4869的博客
05-19 6231
【计算机视觉 | 目标检测】术语理解3：Precision、Recall、F1-score、mAP、IoU 和 AP
计算目标检测二分类结果的Precision,Recall,TP,FP与FN(python)
11-04
输入标注txt文件与预测txt文件路径，计算P、R、TP、FP与FN。txt格式为class、归一化后的矩形框中点x y w h，可调整IOU阈值
prec_rec.zip_Curves_Recall_precision recall_precision-recall_rec
09-23
Draws Precision REcall curves
目标检测评价指标
10-29
目标检测 评价指标 目标检测 评价指标目标检测 评价指标 目标检测 评价指标
EvaluationMetrics:标准信息检索评估指标实施 - Recall、Precision 和 MAP
06-22
评价指标 标准信息检索评估指标实施。 召回、精确度和 MAP。 作为信息检索和网络搜索模块的一部分开发。 都柏林格里菲斯学院 - 计算机硕士
Roc-curve.zip_Recall_precision_precision recall_roc_roc curve ja
09-14
Everything ROC and Precision-Recall curves.
【YOLO学习】召回率（Recall），精确率（Precision），平均正确率（Average_precision(AP) ），交除并（Intersection-over-Union（IoU））
热门推荐
Joe_quan的博客
01-05 10万+
在训练YOLO v2的过程中，系统会显示出一些评价训练效果的指标，包括Recall，IoU等等。为了怕以后忘了，现在把自己的理解记录一下。这一文章首先假设一个测试集，然后围绕这一测试集来介绍这几种指标的计算方式。
目标检测之IoU、precision、recall、AP、mAP详解
钱彬的博客
01-15 8848
目录 1. 目标检测概述 2. IoU 3.precision（精度）和recall（召回率） 4. AP和mAP 5.实际计算方法 1. 目标检测概述 目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是计算机视觉领域的核心问题之一。以下图为例，图中需要识别3类物体：car（车）、bicycle（自行车）、dog（狗），通过特定的目标检测算法希望最终把...
【计算机视觉 | 目标检测】目标检测中的评价指标 mAP 理解及计算（含示例）
wzk4869的博客
05-20 4980
【计算机视觉 | 目标检测】目标检测中的评价指标 mAP 理解及计算（含示例）
一文讲清楚目标检测中mAP、AP、precison、recall、accuracy、TP、FP、FN、TN
fengmaomao1991的专栏
01-28 7192
其中，BB表示BoundingBox，GT=1表示GT与预测的BoundingBox的IoU>=IoU_th，BoundingBox序号相同代表所对应的GT是同一个。但在工程应用中，物体是否被正确检测到，还是需要具体的confidence_th和IoU_th，工程上更关心在固定的confidence_th和IoU_th下的准确率。注意，FN是从Ground Truth中取，就是如果有n个类似这种的confidence
【小知识】目标检测各类指标概念总结
capsule的博客
01-19 3023
目标检测论文中出现过很多容易混淆的评价指标，比如，包括最基本的AP、mAP这些定义，索性将这些基本概念搞清楚，做个总结。
【 书生·浦语大模型实战营】作业（六）：Lagent & AgentLego 智能体应用搭建
最新发布
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
05-03 1250
本篇笔记内容主要为 【书生·浦语大模型实战营】作业（六）：Lagent & AgentLego 智能体应用搭建智能体的作业 ，主要对智能体应用理论部分及具体搭建流程详细介绍，并分别进行实战应用及可视化展示，欢迎大家交流学习！
目标检测必学】快速理解IOU、Recall、Precision、AP、mAP检测指标
05-29
4. AP（Average Precision）：平均精度，是目标检测中常用的评估指标之一。它是指在不同召回率下的平均精确率值。AP值越高，表示检测算法在不同召回率下的表现越好。 5. mAP（mean Average Precision）：平均精度...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值