本文介绍了人工智能的核心——机器学习和深度学习算法，特别是深度学习在计算机视觉中的应用。重点讲述了计算机视觉的三个主要领域：图像分类、物体检测和图像分割。针对物体检测，文章详细阐述了IoU和mAP这两个关键的评价指标，IoU用于衡量预测框与真实框的匹配程度，而mAP则用来综合评估模型的检测精度。通过对不同类型的样本进行分析，如TP、FP、FN和TN，深入理解了物体检测的性能评估方法。
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
1896
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
