目标检测系列 | 常见概念与评价指标

1. 常见概念

1.1 边界框（bounding box）

缩写 bnd box，若为物体真实边界框则称其为真实框（Ground Truth Box，常缩写为 GT ），若为检测网络预测的边界框则称其为预测框（Prediction Box）。

边界框常用的两种坐标表示方式：

1）$(x_1,y_1,x_2,y_2)$

其中，$(x_1,y_1)$ 为边界框左上角的坐标，$(x_2,y_2)$ 为边界框右下角的坐标。

2）$(x,y,w,h)$

其中，$(x,y)$ 为边界框中心位置的坐标，$(w,h)$ 分别为边界框的宽和高。

注：图像原点在图像左上角的顶点，顶点向右为 $x$ 轴，顶点向下为 $y$ 轴。以物体类别为 2 的情况为例，通常预测框会输出 $(c,p_1,p_2,x_1,y_1,x_2,y_2)$ ，其中 $c$ 为置信度，表示预测框内包含物体的概率，$p_1$ 为物体属于类别 1 的预测概率，$p_2$ 为物体属于类别 2 的预测概率，。

1.2 锚框（Anchor）

锚框不同于边界框，锚框是模型提前假定的框，用以框住所要检测的物体，实现定位功能。

通常会提前设定 9 个尺寸，也有不需要锚框的、实现了 Anchor free 的目标检测网络，如 SSD 等 one-stage 的检测网络。

1.3 交并比（IoU）

IoU，全称 Intersection of Union， 即两个框的交集部分面积除以并集面积，用数学形式表示便是 $IoU(A,B)=\frac{A\cap B}{A\cup B}$，具体如下图蓝色部分面积除以两个框的并集面积。

在一个 GT 和多个锚框有重合时，会采用 IoU 作为衡量指标，决定是否剔除某个锚框，一般以 IoU = 0.5 为边界，通常 IoU > 0.5 则保留这个锚框，认为其有效；IoU < 0.5 则剔除这个锚框，认为该锚框没有有效框中物体。一般常和 NMS 一起配合剔除冗余的锚框，同时 IoU 也是计算 AP 的重要指标。

注：在目标检测的开始阶段，通常会允许一个物体有多个框，但是一个框只能对应一个物体。

1.4 非极大值抑制（NMS）

为保证物体检测的召回率，对一个物体通常会输出多于 1 的锚框，但同时也会带来一些副作用，比如降低了检测精度，这时候便需要通过 NMS 过滤掉重叠的锚框，得到最佳的预测输出。

NMS 顾名思义便是抑制置信度不是极大值的框，具体做法是通过对置信度由高到低排序，将置信度最高的锚框作为主要比较对象，用以抑制（去除）掉置信度低且和比较的锚框重叠度高（ IoU 一般以 0.5 或 0.7 为界）的锚框，往复循环，直至该坐标位置上的物体无其余候选框。（当然这也会带来一些副作用，如在物体重叠时会漏检）

例如下图中网络对行人 A 输出了两个锚框，其中红色锚框的置信度为 0.95，而蓝色框输出的置信度为 0.8，但两个框对应的是同一个物体，而同一个物体最终只需要输出一个预测框即可，此时便可通过 NMS 去抑制掉置信度较低且和红框有较大重叠部分的蓝框。

2. 评价指标

2.1 TP、TN、FP、FN

对于二分类问题，可将样例根据其真实类别与学习器预测类别的组合划分为真正例 、假正例 、真反例、假反例四种情形，令 TP 、FP 、TN 、FN 分别表示其对应的样例数，则显然有 TP + FP + TN + FN = 样例总数。

• TP（True Positives，真正例） : 预测为正，实际为正（ 与 GT 的 IoU > 0.5 的检测框个数，一个 GT 只计算一次）

• TN（True Negatives，真负例）：预测为负，实际为负（ 物体检测里无法计算这一部分 ）

• FP（False Positives，假正例）: 预测为正，实际为负（ 与 GT 的 IoU < 0.5 的检测框个数，同一个 GT 的冗余检测框也应计算 ）

• FN（False Negatives，假负例）：预测为负，实际为正（ GT 中未被检测出的物体，即漏检物体 ）

Tip：可以将前面的单词记为是否预测正确（True，预测正确，反之False预测错误），而后面的单词记为预测为何种类别（Positives，正例，反之Negatives负例）。在目标检测中 Positives 表示前景、Negatives 表示背景。

2.2 Precision、Recall

Precision ，准确率（也称查准率），用以表示 “ 检索出来的信息有多少比例是用户感兴趣的（信息检索中） ” 或 “ 预测为正例的样本中实际也为正例的比例（预测为正样本中预测准确的比例） ” ，其计算公式为：

$$Precision=\frac{TP}{TP+FP}$$

Recall ，召回率（也称查全率），用以表示 “ 用户感兴趣的信息有多少比例被检索出来了（信息检索中） ” 或 “ 实际为正例的样本有多大比例预测正确了（召回了多少正样本） ” ，其计算公式为：

$$Recall=\frac{TP}{TP+FN}$$

有了以上的概念，便可以知道在目标检测中，准确率 Precision 表示检测出物体且真实也为物体的比例（正确识别的物体比例），召回率 Recall 表示实际为物体且检测出物体的比例（物体被正确识别的比例），因此 $1-Recall$ 就可以表示漏检的比例。

准确率和召回率是一对矛盾的度量。一般来说，准确率高时，召回率往往偏低；而召回率高时，准确率往往偏低。

2.3 AP、mAP

在计算 AP 前还需要介绍一下 PR 曲线（ Precision - Recall ），PR 曲线下的面积便是 AP ，通常来说，一个越好的分类器，其 AP 也就越高。

例如下图 pottedplant 这一类别的 PR 曲线，可计算其 AP 为 0.6231 。

而 mAP 便是所有类别的 AP 平均值，因为在物体检测中，存在多个物体类别需要进行识别，因此存在多个类别的 AP ，如下图：

将所有物体类别的 AP 进行求平均即可得 mAP = 0.3105 。