1.人工智能(目的) 机器学习(途径) 深度学习(算法)
2 计算机视觉三个常见领域
图像分类(图像包含一个物体)、物体检测(多个物体,判断物体位置与类别)、图像分割(判断每一个像素属于哪个类别)
3 物体检测评价指标
1)IoU—— intersection of union
量化预测框与真实框的贴合程度,交集除以并集
四种样本:
- TP true positive —— IoU > 0.5
- FP false positive ——IoU < 0.5
- FN false negative 漏检
- TN 正确背景
2)mAP——mean Average Precision 多个类别平均精度
评价一个模型的好坏
AP——一个类别的检测精度
1)对于一个实例,包含预测值Dets——物体类别、位置的四个预测值、得分
标签值GTs——物体类别、位置的四个真值
2)获取每个预测框的属性TP或者FP
3) 计算召回率R(recall)(
T
P
/
l
e
n
(
G
T
s
)
TP/len(GTs)
TP/len(GTs))与准确率P(precision)
4)遍历每个预测框都可以生成一个点,最后形成P-R曲线
5)AP表示曲线的面积,计算每类的AP
6) 得到mAP