目标检测中的指标都是什么意思

最新推荐文章于 2023-10-27 17:07:46 发布
最新推荐文章于 2023-10-27 17:07:46 发布
阅读量4.3k 收藏
点赞数
分类专栏： 玄学的深度学习 文章标签： 目标检测 计算机视觉 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wrysunny_bc/article/details/122747027
版权

怎样才算检测正确?

IOU大于指定阈值?

类别预测正确?

confidence大于指定阈值?

三者都需要计入我们的考虑范围.

什么是mAP?

TP(True Positive): IoU>0.5的检测框数量(同一Ground Truth只计算一次).

FP(False Positive): IoU<=0.5的检测框(或者是检测到同一个GT的多余检测框的数量).

FN(False Negative): 没有检测到的GT的数量.

Precision: TP / (TP + FP) 模型预测的所有目标中，预测正确的比例.

Recall: TP / (TP + FN) 所有真实目标中，模型预测正确的目标比例.

AP: P-R曲线下面积 P-R曲线: Precision-Recall曲线.

wrysunny_bc
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
目标检测评价指标
10-29
目标检测 评价指标 目标检测 评价指标目标检测 评价指标 目标检测 评价指标
目标检测网络的常见评价指标
qq_42542582的博客
05-09 3828
声明：从b站上抄的，原视频链接https://www.bilibili.com/video/BV13k4y1m7DY?spm_id_from=333.880.my_history.page.click 下面是我的笔记，截图均来自原视频。 举例说明：单类物体检测时，以人脸检测为例。如图 绿色实线和虚线框：人脸的真实标注 红色的实线框和虚线框：算法的检测结果 框左上角的红色数字：结果为人脸的概率 从图中我们可以得到一下信息： 算法检测出的人脸个数为：5个（红框） 人脸的真实标注个数为：5个.
目标检测 2021 /11/20
啥也不会的博客
11-22 3468
文章目录 目标检测定义 在图片中对可变数量的目标进行查找和分类 目标检测存在的三个难点 目标种类与数量问题(人群的稠密与稀疏) 目标尺度问题(行人远近的问题) 外界环境干扰问题(光照的变化，遮挡，图像的质量) 行人的移动 目标检测 vs 图像分类 目标检测：用不同的矩形框选出不同的物体，矩形框上的数字代表该物体的可信度。 图像分类：把相同的图片分成不同的类别。 目标检测，图像处理是计算机视觉基础的内容，后续会有目标跟踪，譬如：多目标跟踪，单目标跟踪等。 目标分割
目标检测中的常见指标
qq_42958831的博客
11-23 3424
TP、TN、FP、FN。
YOLOv5相关基础概念通俗解释
qq_40761320的博客
12-02 8328
IoU IoU(Intersection over Union)，即交并比，是目标检测中常见的评价标准，主要是衡量模型生成的bounding box和ground truth box之间的重叠程度，计算公式为： Baseline 基线(Baseline)：被用为对比模型表现参考点的简单模型。基线帮助模型开发者量化模型在特定问题上的预期表现。 GT box ground truth 红色的框是使用selective search提取出的region proposal，绿色的框是ground t
目标检测（Object detection）基础
个人记录使用
11-28 1097
文章目录1. 目标定位2. 特征点检测3. 目标检测4. 滑动窗口的卷积实现5. Bounding Box预测6. 交并比7. 非极大值抑制8.Anchor Boxes9.YOLO算法10.候选区域 1. 目标定位 图片分类任务之前我们很熟悉了，本节学习定位分类问题。不仅仅要判断图片是不是一辆汽车，还要在图中标记其位置，后面还会讲多目标定位。 图片分类任务流程很熟悉，比如，输入一张图片到多层卷...
使用Python实现视频中的目标检测
08-10
在本主题中，我们将深入探讨如何使用Python进行视频中的目标检测。目标检测是计算机视觉领域的一个重要任务，它涉及识别并定位图像或视频帧中的特定对象。Python由于其丰富的库和简洁的语法，成为了实现这一功能的...
目标检测性能指标计算-实际代码-可参考
10-01
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算（目标检测） 通过给定的算法接口，对算法的输出（置信度、检测框、告警、类别等）进行数据处理，结合原标签完成TP、FP、FN、TN、准确率、召回...
目标检测中评估指标mAP详解和计算方式
01-06
相信大家在看一些目标检测论文中经常会看到作者将自己的模型和其他的模型做了mAP比较，mAP作为目标检测中一个非常重要的评估指标，是对模型好坏的评价标准，当时在看YOLOv3、SSD、Faster R-CNN等这些论文的时候，对...
100.目标检测的性能评价指标1
08-03
mAP是目标检测中最重要的性能指标，它综合了算法在所有类别上的平均精度。mAP是通过计算每个类别的平均精度（AP）并取平均得到的。AP又与Precision-Recall曲线密切相关，该曲线展示了在不同召回率（Recall）下，算法...
目标检测算法map_「目标检测」什么是mAP
weixin_42363377的博客
01-09 3616
1、什么是mAP？mAP(mean Average Precision)表示各类别的平均AP2、什么是AP？PR曲线下的面积3、什么是PR曲线？以Precision为y轴，以Recall为x轴所画的曲线4、什么是Precision和RecallPrecision: TP / (TP + FP)，精确率，也叫查准率，在所有的预测正类中有多少真正类。Recall: TP / (TP + FN)，召回率...
目标检测中常见指标
MengHao的博客
03-19 4906
首先给出一幅图： 图中绿色部分为人工标注的Ground Truth边界框，红色部分为模型预测的Bounding Box边界框。 那么自然就会存在一个问题： 目标检测怎样才算正确？ IoU大于指定阈值？ 类别判断正确？ cofidence大于指定阈值？ 下面开始介绍上面的问题所涉及到的概念。 ...
【目标检测】相关指标的引入与解析
deepsprings的博客
04-26 1369
目标检测之相关指标介绍 前言： 该篇为【目标检测】系列博文的开篇，也作为自己目标检测入门学习的总结和督促。内容主要是定性地介绍一些目标检测中常见术语和相关指标。 其中，术语和指标包括但不限于：标准框(Ground-truth bounding box)，混淆矩阵(Confusion Matrix)，交并比(Intersection over Union, IoU)，非极大值抑制(Non-Maximum Compression, NMS), 置信度，真阳性(True Positive, TP)，假阳性(Fa
目标检测常见边框(bounding box)表示方式
Hanson的博客
07-20 1383
x_center, y_center表示边框的中心位置， width, height分别表示边框的宽度和高度。x_min和y_min表示边框左上角坐标，x_max和y_max表示边框的右下脚坐标。边框坐标编码[x_center, y_center, width, height]边框坐标编码是[x_min, y_min, width, height]边框坐标编码是[x_min, y_min, x_max, y_max]表示左上角的坐标以及边框的宽度和高度。边框的宽度是322,高度是117。
目标检测中的先验框（Anchor）
个人学习笔记
12-10 1万+
什么是先验框？ 了解过目标检测算法的朋友们肯定知道先验框(Anchor)的概念，那么什么是先验框，为什么要有先验框？若要解释这个问题，首先我们需要了解边界框回归原理。 bounding box regression 如图所示，图中的狗子是我们要检测的目标，也即是红框(Ground Truth)圈住的物体。在通常情况下模型预测到的框是绿色框。但是由于绿色框不准，相当于没有正确的检测出狗子。所以我们希望有一个方法对绿色框进行调整，使得绿色框更接近红色框。 对于预测框我们一般使用（x,y,w,h）（x,y,w,
目标检测——Yolo系列（YOLOv1/2/v3/4/5/x/6/7/8）
zyw2002的博客
06-24 1万+
Precision: 描述的是找对的概率 Recall: 描述的是找全的概率一般来说，准确率和找回率不能同时兼顾，一个高另一个就相对变低。 改变阈值（IOU大于一定的阈值，就被判为正样本），可以得到不同的precision和recall, 然后做出presion - recall 的图（一般叫做PR图） 去上限求出与x轴围成的阴影的面积就是AP的值。如上图就是长方形A1，A2，A3,A4的面积之和。对每个类别都计算出AP，求均值得到mAP核心思想： 输入数据 一张图片 ——> 然后把图片分割成7*7的网格
目标检测及锚框、IoU
最新发布
Life And Code
10-27 596
我们要识别中所有我们感兴趣的物体，并且找出每个物体的位置。
目标检测入门知识
qq_45431015的博客
12-06 2194
目标检测入门知识，包括目标检测任务的描述与各种网络模型（R-CNN、Fast R-CNN、Faster R-CNN等）
yolov5目标框预测
热门推荐
白起
11-06 3万+
yolov5目标检测模型中，对模型结构的描述较多，也容易理解。但对如何获得目标预测方面描述较少，或总感觉云山雾罩搞不清楚。最近查阅一些资料，并加上运行yolov5程序的感受，总结一下对目标特征参数的预测方法，记录如下。 1 yolov5框架结构 图x-1 yolov5模型框架 图x-1借用江大白的图，做了少许修改，以适应本博文的描述，其细节请看江大佬的文章。此处说明，输入图像为1280x720，根据边长需被32整除，resize为1280x736，在以下的描述中，对应tensor的顺序，输入图像为736x
三维目标检测性能指标mAP是什么
05-12
mAP是指平均精度均值（mean Average Precision），是三维目标检测中常用的性能指标之一。它是在不同置信度阈值下计算出的精度和召回率的曲线下的面积。简单来说，mAP是对目标检测算法在各种情况下的精度和召回率进行...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值