【模型评估】AP 和他的兄弟们：mAP、AP50、APs、APm、APl

已于 2024-12-03 20:03:34 修改
阅读量1.2w 收藏 68
点赞数 11
分类专栏： 7天快速通过AI/CV面试 文章标签： 人工智能 深度学习 机器学习 AP
于 2023-06-13 10:06:37 首次发布
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/wsLJQian/article/details/131182390
版权
AP是衡量目标检测模型性能的关键指标，涉及精确率和召回率的权衡。文章介绍了AP的计算、P-R曲线的绘制以及与AUC的区别，同时探讨了在目标检测中AP、mAP、AP50等变体的含义和应用。AP通过不同IOU阈值下的平均精确率评估模型，而AUC则关注整体分类能力。在实际应用中，AP的变体提供了更具体的任务相关性能评估。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录


AP是在目标检测任务中，常常被用于评估模型预测能力的指标。那么， AP是什么？为什么能够充当 目标检测任务，不同模型综合对比评测的公认指标呢？

除此之外，还需要思考：AP有什么特点，成为了目标检测领域，无法被替代的存在？搞明白了这点，也就搞懂了AP的原理。

在学习下文之前，混淆矩阵和ROC可以先了解下：

  1. 【模型评估】混淆矩阵（confusion_matrix）之 TP、FP、TN、FN；敏感度、特异度、准确率、精确率
  2. 【模型评估】ROC（Receiver operating characteristic）与 AUC

一、什么是AP和P-R

average_precision_scor

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AP，mAP，AP50，coco评价标准
qq_41413211的博客
09-24 3647
每张图片最多预测10个边界框时的average recall。如果取10和取100相差很小，说明数据集中的物体数量没有接近100，平时的参数写10就行。从IOU阈值为0.5到0.95，以0.05为间隔，十个AP的均值。像素面积小于32*32的目标。用来看小目标的检测情况。不同于分类，在这里我们将 iou和阈值比较。是iou阈值=50时求得的AP。coco数据集是什么？AP就是PR曲线的积分，如上文所述。coco里的AP就是mAP。
【模型评估】Python混淆矩阵、FP、FN、TP、TN、ROC、FROC、mAP、Precision、Recall、Accuracy、F1 score详述与实现
热门推荐
钱多多先森
08-14 4万+
深度学习中，模型评估常用的指标、实现算法汇总。后续还会有几个章节，对其中的各个小点进行详述
平均精度（Average Precision，AP）以及AP50、AP75、APs、APm、APl、Box AP、Mask AP等不同阈值和细分类别的评估指标说明
fydw_715的博客
07-25 1万+
平均精度（Average Precision，AP）以及不同阈值和细分类别的评估指标AP50、AP75、APs、APm、APl说明
map,AP,APs,APm,APl,AP0.5等的理解
shuijinghua的博客
05-28 1万+
APs,APm,APl,AP0.5等都是在基于COCO数据时候定义出来评论检测模型的指标,具体含义如下图: AP是所有类别的平均值,传统上,这被称为平均准确度(mAP,mean average precision) 在coco数据集中,大约41%的物体很小(面积<32*32),34%是中等(32*32<area<96*96),24%大(area>96*96) ...
机器学习性能评估指标之​AP（平均精度）​ 和 ​MAP（平均精度均值）
最新发布
浩瀚之水的专栏
03-24 1524
在目标检测、信息检索和多分类任务中，​AP（Average Precision，平均精度）​ 和 ​MAP（Mean Average Precision，平均精度均值）​ 是衡量模型排序质量和类别区分能力的重要指标。
模型评估指标：查准率 召回率 AP mAP
NEUXia的博客
03-05 767
准确率： 准确率=预测正确的样本数 / 所有样本数 当不同类别的样本比例非常不均衡时，占比大的类别往往成为影响准确率最主要的因素。 解决类别不均衡问题： 1。 小样本扩增或大样本采样 2. 尝试其他评价指标精确率，召回率，ROC曲线 3. 惩罚因子。对分类器中不同类别分配不同的权值，小类别增加权值 精确率：指分类正确的正样本的个数占分类器判定为正样本的样本个数的比例。 ...
目标检测模型常用评价指标-（AP、mAP）
cxh21627的博客
08-05 2587
对于一个给定的类别，让我们对验证集中的每张图片都计算它的精确率。假设我们的验证集中有 100 张图片，并且我们知道每张图片都包含了所有的类别（单个图片的多分类问题）。全类平均正确率，又称全类平均精度， 所有类别的AP值累加求和/类别数,是将所有类别检测的平均正确率（AP）进行综合加权平均而得到，在目标检测领域，是十分重要的衡量指标，用来衡量目标检测算法的性能；有了AP的概念，mAP/Mean Average Precision就很好理解了，还是借用上面20个分类的例子,20个分类的AP均值。...
计算模型AP
qq_36501182的博客
03-31 734
学习https://cloud.tencent.com/developer/article/1167638 后面更新代码，需求为读取已有模型，并计算AP。
Precision,Recall、AP50、mAP50和F1指标
qq_46781387的博客
10-25 1282
在机器学习和计算机视觉领域，特别是在评估分类和目标检测模型性能时，Precision（精确率）、Recall（召回率）、AP50、mAP50和F1指标是几个非常重要的评价指标。： 精确率是指在所有被模型预测为正类的样本中，实际为正类的比例。它反映了模型预测的准确性。： 召回率是指在所有实际为正类的样本中，被模型正确预测为正类的比例。它反映了模型捕获所有正类样本的能力。： AP50是一种平均精确率的度量，它在召回率为50%时计算。这是在目标检测任务中常用的指标，特别是在速度和精度之间需要平衡的场景下。
目标检测中AP50 AP75 APs APm APl 含义
qq_36892712的博客
02-18 4510
在目标检测领域，我们经常会遇到一些评价指标，这些指标有助于衡量模型的性能。：平均精度，用于衡量目标检测模型的准确性。它考虑了不同置信度阈值下的精度，并计算出一个平均值。通常，我们使用不同的阈值（例如0.5、0.75等）来计算AP。：平均召回率，表示平均召回率。与AP类似，它也考虑了不同阈值下的召回率，并计算出平均值。AP50：在IoU（交并比）大于50%时的平均精度。AP75：在IoU大于75%时的平均精度。APs：小目标（面积小于32x32像素）的平均精度。APm。
目标检测指标AP50，mAP理解_简单好用
weixin_41176708的博客
10-20 2万+
mAP@50的理解 1.m是不同类别AP50的均值 2.AP50的定义：(50的含义是iou阈值) 已知： 所有图片中某一类目标，有m个标签真实框（框坐标）；n 个预测宽（置信度+框坐标） 若： ① 预测框与真实框的IOU大于IOU_T(=50%),则这个样本为真正例TP=+1； ② 如果小于，则真实框就是 FN= +1，预测框就是假正例 FP = +1 ===> 最后在这基础上，使用置信度Score，划拉预测框的个数，计算PR曲线上的点，根据曲线下面的面积算AP值。 ——————————————
YOLOv5目标检测算法的性能评估：衡量目标检测模型的有效性，介绍评估指标和评估方法，助你评估模型性能
[YOLOv5目标检测算法的性能评估：衡量目标检测模型的有效性，介绍评估指标和评估方法，助你评估模型性能](https://p1-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/42e4e7a7c4804a17a1630a6edebc802b~tplv-k3u1fbpfcp-...
目标检测常用名词
人工智障
08-11 1800
目标i检测的一些专业名词内容anchor boxbounding boxground turthIoUnms（非极大值抑制）mAPRPN前景和背景PR曲线 内容 主要是对一写常用的术语整理，方便以后翻看，有错的地方欢迎大家指出，没有涉及到的也欢迎大家一起整理。1.01的365次方等于多少。 anchor box 候选框，需要手动设置，而且数据集不同的时候，候选框的大小也不同， bounding box 给出物体在图像中的定位区域的表示，通常包含左上角点的坐标x1,y1， 还有这个检测框的宽高， –>(
Yolov9调用COCOAPI生成APs，APm，APl
Fan1534的博客
05-25 1122
以下指标很低的原因只是因为我为了测试能成功训练的时候只跑了一个epoch，这个方法是绝对没有问题的。②找到val.py文件中的save-json将其设置default = True。然后运行val.py即可调用COCOeval在验证时添加小目标的指标。③将下面一行代码进行注释。④将这一行代码进行替换。
[ 目标检测 ] 经典网络模型——性能评价指标 AP、mAP
A_John 的博客
07-04 2775
[ 目标检测 ] 经典网络模型——性能评价指标 1、正负样本——TP TN FP FN； 2、Precision、Recall、Accuracy； 3、Precision-Recall 曲线； 4、AP、mAP； 5、IoU (Intersection over Union)； 6、FPS (Frames Per Second)；
看懂COCO数据集目标识别性能评价标准AP，AP50，AP75，APsmal等
一江明澈的水的专栏
02-13 4万+
常见机器视觉国际会议论文出现的目标识别评价标准：AP，AP50，AP75等，权威解释如下： Note： 在COCO数据集评价指标中，所有的AP 默认为mAP 。即，AP50=mAP50AP50=mAP50，AP75=mAP75AP75=mAP75，以此类推。   上图中AP的计算方法十分繁琐，来源于早期的VOC challenge，随着VOC的发展，其计算方法也有所变化，例说简述如下： ...
理解COCO的评价指标：AP，AP50，AP70，mAP，AP[.50:.05:.95]
qq_27095227的博客
04-11 3万+
中文博客： https://blog.csdn.net/zdh2010xyz/article/details/54293298 https://blog.csdn.net/hysteric314/article/details/54093734?tdsourcetag=s_pctim_aiomsg 英文博客（可能要墙）： https://towardsdatascience.com/evaluat...
准确率、召回率和mAP、AP50/75
DaGongJiGuoMaLu09的博客
05-13 3万+
1、准确率和召回率 真实值与预测值之间的关系为： 准确率（precision）和召回率（recall）作为统计值，各自的计算方式： P=TPTP+FPP=\frac{TP}{TP+FP}P=TP+FPTP​R=TPTP+FNR=\frac{TP}{TP+FN}R=TP+FNTP​ 准确率 PPP 给出了“预测为真值的样本中确实有多少比例为真值”，召回率 RRR 给出了“本来就是真值的样本模型预测出...
平均正确率aps apm apl_大道至简，移动平均线实用技巧分析
weixin_39849239的博客
11-08 820
移动平均线(MA)是以道琼斯的“平均成本概念”为理论基础，采用统计学中“移动平均”的原理，将一段时期内的价格平均值连成曲线，用来显示价格的历史波动情况，进而反应未来价格发展趋势的技术分析方法。它是道氏理论的形象化表述。葛兰韦于(Joseph E.Granville)20世纪中期最初提出来移动平均线的概念。均线理论是当今应用最普遍的技术指标之一，它帮助交易者确认现有趋势、判断将出现的趋势、发现过度延...
评论 1
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

打赏作者

钱多多先森

你的鼓励，是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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