Precision和mAP的区别

本文详细的介绍了Precision和mAP之间的区别

首先介绍TP、FP、TN和FN

假设数据集中共有60个正样本，40个负样本；我们要找出所有的正样本，系统查找出50个，其中只有40个是真正的正样本
则可以得到：

• TP: 将正类预测为正类数 40
• FN: 将正类预测为负类数 20
• FP: 将负类预测为正类数 10
• TN: 将负类预测为负类数 30

从而根据上述TP、FP、TN和FN计算：

• 准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%
• 精确率(precision) = TP/(TP+FP) = 80%
• 召回率(recall) = TP/(TP+FN) = 2/3

注意：
precision 和 recall 的抽取样本方式不同：
召回率是从数据集的同一标签的样本抽样；而准确率是从已经预测为同一类别的样本抽样。

详解AP

AP( Average Precision )
类别 AP 是 P-R 曲线所围成下面积。具体计算可如下图所见：
这是一张，判定预选框和GT( Ground Truth ) 的对比。

通过这张图，每个候选框的预测信息所标记出来。（这里我们设定IOU > 0.3 即为 True, 小于 0.3 即为 负）

由上图的信息，绘制相应 P-R 曲线图。同时按照置信度进行排序得到如下表格。

将这些点标记在坐标系中的得到下图：

根据上图信息，绘制其相应 P-R 曲线如下图：

计算AP

mAP(mean Average Precision )
假设数据集中有非常多的物体类别，如车、人、路标、房屋、动物等等。
那么每一项物体信息都会有其AP值的信息，这里将其做了一个平均操作。