在目标检测任务中一般都是使用mAP(mean average precision)作为评价指标。
维基百科中对mAP的解释是:
翻译过来放在目标检测中是什么意思呢?分为三步解释:
(1)计算P(q)
大家都知道目标检测中每张图中可能有多个类别C,那么式中的P(q)其实就是某一张图中某一类的precision。
,就是检测出来的结果中真正属于这一类的比例。
(2)AveP(q)
这一步就是计算所有图片中检测结果中这一类的平均precision,也就是average precision
(3)计算mAP
检测目标一般有很多类吧,那么对所有类再算一次平均,就是mAP了,wiki中类别总数用的Q表示。
再具体点就是这样,借用这个例子:https://blog.csdn.net/chenmaolin88/article/details/80445128
1.对于某个类别C,在某一张图片上
首先计算C在一张图片上的Precision=在一张图片上类别C识别正确的个数(也就是IoU>0.5)/一张图片上类别C的总个数
2.依然对于某个类别C,可能在多张图片上有该类别,下面计算类别C的AP指数:
AP=每张图片上的Precision求和/含有类别C的图片数目
3.对于整个数据集,存在多个类别C1、C2、C3:
mAP=上一步计算的所有类别的AP和/总的类别数目
相当于所有类别的AP的平均值