目标检测中常见的指标——MAP
计算MAP之前要先了解一下的指标:
- TP(Ture Positive)正确检测到的检测框的数量,例如检测的目标是“猫”这一类别,那么检测框与目标的ground truth的目标框的IOU>0.5时,我们认为正确检测到
图中红色检测框与绿色GT框之间的IOU为0.85,认为是TP。
- FP(False Positive),错误检测的检测框数量,把其他目标检测为“猫”,即检测框与目标框之间的IOU<0.5的检测框数量。
IOU为0.3的检测框为FP,即把不是猫的物体错误检测为猫
- FN(False Negative),漏检的数量,即目标是“猫”,但是没有检测框预测到。
没有检测框检测到目标,认为是漏检,为FN
- Precision:查准率,即所有的检测结果中,那些是GT的
P = T P / ( T P + F P ) P=TP/(TP+FP) P=TP/(TP+FP) - Recall:查准率,即对一个类别中所有的GT,检测到的概率
R = T P / ( T P + F N ) R = TP/(TP+FN) R=TP/(TP+FN)
有了P、R之后,我们可以求出AP,即P-R曲线下的面积
如图所示,为了得到PR曲线,我们需要计算不同RANK-K下的P、R值,然后求其面积,因为是求面积,所以对同一个Recall值,我们选取其对应最大的Precision值
计算所有类别的AP,然后求其均值,即可得到MAP。
分享COCO数据集下的一些计算指标