深度学习简笔（一）

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)($TP/len(GTs)$)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