【深度学习】目标检测的性能评价指标，mAP_0.5，mAP_0.5,0.95,0.05

最新推荐文章于 2024-07-24 13:37:02 发布
最新推荐文章于 2024-07-24 13:37:02 发布
阅读量1.2w 收藏 53
点赞数 8
分类专栏： 深度学习机器学习 文章标签： 深度学习 目标检测 人工智能
# MIT
本文链接：https://blog.csdn.net/x1131230123/article/details/127740011
版权
深度学习机器学习 专栏收录该内容
377 篇文章 22 订阅 ¥79.90 ¥99.00
订阅专栏

指标

指标有检测精度和检测速度之分：
在这里插入图片描述

mAP

mAP是一个容易混淆的概念。计算mAP之前先考虑我们有的数值：图片原label的bbox、模型预测的bbox、模型预测的bbox的置信度、模型预测的bbox中目标类别的分类置信度。在YOLO中，最后两个数值会乘起来表示一个置信度数值。

此外，我们还需要确定“IoU数值阈值”和“置信度阈值”，模型的预测能满足“IoU数值阈值”与“置信度阈值”（NMS算法）的结果参与最终混淆矩阵计算。

目标检测有多个类别，一个类别计算出的AP数值，所有类别平均AP数值称为mAP（mean Average Precision）。

原label的bbox与模型预测的bbox的交并比为IoU：
在这里插入图片描述

精确率公式：

了解本专栏 订阅专栏 解锁全文
XD742971636
关注
  • 8
    点赞
  • 踩
  • 53
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
目标检测模型的评价标准-AP与mAP
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
09-08 1547
为了了解模型的泛化能力，即判断模型的好坏，我们需要用某个指标来衡量，有了评价指标，就可以对比不同模型的优劣，并通过这个指标来进一步调参优化模型。对于分类和回归两类监督模型，分别有各自的评判标准，目标检测模型评价指标主要包含 f1、ap、map、roc计算公式及代码实现与auc曲线绘制等。
map0.5:0.95是什么
m0_57236802的博客
07-07 977
mAP@0.5：在 IoU 阈值为 0.5 时计算得到的 mAP，适用于评估模型能否大致定位目标。：在多个 IoU 阈值（从 0.5 到 0.95，步长为 0.05）下计算得到的平均 mAP，提供了更全面和严格的评估标准。计算方法：通过计算不同 IoU 阈值下的 AP，然后取平均值得到 mAP@0.5:0.95。通过理解和计算这些指标，可以更好地评估和改进物体检测模型的性能。
YOLO训练结果，csv文件字段解读
最新发布
weixin_52236586的博客
07-24 571
损失值：训练和验证阶段的损失值（）用于衡量模型预测与真实值之间的差距。较低的损失值通常意味着更好的性能。指标用于衡量模型的检测性能，包括准确率、召回率和综合性能。学习率x/lr0x/lr1x/lr2表示不同阶段的学习率值，这些值会影响模型的训练过程和收敛速度。通过这些指标，你可以评估模型在训练和验证阶段的表现，监控模型的训练进度，并进行调整以提高性能。
mAP@0.5与mAP@0.5:0.95的含义，YOLO
热门推荐
perfect_ch的博客
06-02 3万+
mAP@0.5：mean Average Precision（IoU=0.5） 即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP 如图所示，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。数值越高，即阈值越大，精度越低。 mAP@.5:.95（mAP@[.5:.95]） 表示在不同IoU阈值（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.
map平均准确率_第五篇 目标检测评价标准—MAP
weixin_39673303的博客
12-04 461
MAP（Mean Average Precision）网上关于map的帖子，博客，回答有很多，但是描述很不清楚，有的甚至有很多错误，非常难以理解，最近研究了一下map，这里记录总结一下 这里的AP指的是在不同的召回率（recall）下计算的平均准确率（average precision），因而先介绍recall（召回率）与precision（准确率）这两个基本的概念。Recall and Prec...
目标检测评估指标mAP：从Precision,Recall,到AP50-95【未完待续】
专注“目标检测”领域技术分享
09-08 2万+
本文从True Positive, False Positive和False Negative的定义出发，讲解了Precision和Recall的定义，如何绘制P-R(Precision Recall)曲线，如何进一步计算得出AP。本文提供了手动计算所有指标的过程以及用sklearn计算这些指标的代码以及P-R curve的示意图。通过阅读本文你可以从源头开始了解mAP这一指标是如何计算的。
YOLO界再起波澜！mAP 51.4，149FPS，目标检测，一个就够了
weixin_40920183的博客
05-17 846
机器之心发布作者：百度飞桨团队百度飞桨团队发布了 PP-YOLOE，与其他 YOLO 系列算法相比，其具有更强的性能、更丰富灵活的配置方案以及更全硬件支持三大优势。此前，机器之心报道过的 PaddleDetection 项目再次升级，发布了全新进化版 YOLO 模型——PP-YOLOE，并再次以极佳的性能表现刷新业界性能榜单指标，在目标检测领域引起了广泛关注。论文地址：...
mAP_0.5,0.95,0.05
04-27
mAP_0.5,0.95,0.05 是计算目标检测模型性能的指标之一，它是在不同的 Intersection over Union (IoU) 阈值下计算平均精度 (mAP)。具体来说，它是在 IoU 阈值从 0.5 到 0.95 以 0.05 为步长的范围内计算的 mAP，因此...
mAP@0.5与mAP@0.5:0.95的含义
thequitesunshine007的博客
11-22 6959
在COCO数据集中，更关注预测框位置的准确性，AP值是针对多个IoU阈值的AP平均值，具体的就是在0.5 和0.95之间取10个IoU阈值(0.5、0.55、0.6 ..... 0.9、0.95)。目标检测问题中，算法通常输出一个预测框(bounding box)来标识检出目标的位置，要衡量这个预测框与目标的实际位置(ground truth)的准确度，可以使用IoU指标。我们如果把所有预测结果对样例进行排序，排在前面的是“最可能”的正例样本，以查准率为纵轴、查全率为横轴作图，得到一条”P-R曲线”。
map评价吗 voc数据集可以用coco_目标检测评价指标(mAP)
weixin_33601402的博客
02-17 1551
常见指标precision 预测出的所有目标中正确的比例 (true positives / true positives + false positives).recall 被正确定位识别的目标占总的目标数量的比例 (true positives/(true positives + false negatives)).一般情况下模型不够理想，准确率高、召回率低，或者召回率低、准确率高。如果做疾病...
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mAP还不是很熟悉，看了很多的博文，写得都很零碎，很难理解，虽然大概能明白其原理，但是可能对于很多刚进入这个领域的同学来说，难度还是很大的，刚好这几天被困在家没事做，在复习之前的东西，也重新整理一下本人对mAP的理解，用这篇博客记录下来。 YOLOv3论文中的各个模型的mAP对比图： 目标检测问题中，每张图片可能包含多个不同类别的不同物体，需要评测模型的分类和定位性能.
ap 目标检测算法map_目标检测的指标AP与mAP
weixin_34260080的博客
12-24 1815
最近在处理实验数据的时候，想到了之前学习的分类混淆矩阵当时没有完全弄懂，刚好借着这个机会给深入的学习一下，做好相应的笔记一、检测指标在目标检测任务中，通过不同的IoU阈值来进行检测器的整体的性能评估，对于MS COCO目标检测，有如下检测指标对于MS COCO关键点检测，官方给出的评价指标为OKS(object keypoints similarity)，其评价指标和检测的IoU也很类似，在不同的...
mAP@.5和mAP@.5:0.95的区别
qq_46595902的博客
02-11 1万+
先来讲解一下mAP@0.5 mAP:Mean Average Precision，即每个类别分别计算AP，然后Mean平均。 那么何为AP，AP即Precsion-Recall Curve图中PR曲线所围成的名字（在yolov5算法中训练结束后的文件中会生成PR-Curve图） 那么PR-Curve图怎么才算效果好？要看曲线是否平滑，多个类别的时候，哪个类别的曲线在上方证明哪个曲线的效果更好。 讲完mAP，再来讲解这个@.5什么意思，mAP@.5其实就是将IOU设置为0.5时，计算每个类别的AP的平
目标检测中的评价指标mAP理解及计算
NooahH的博客
05-12 4638
目标检测中的评价指标mAP理解及计算 最近在学习Faster R-CNN进行目标检测，在评估检测结果阶段遇到了目标检测中常用的评价指标mAP。之前不太了解这方面知识，为此搜集了一些博客，做了下总结。 关于mAP的背景知识可以参考目标检测评测指标mAP及计算[译]，翻译自国外的一篇博客，很详细。下面的内容主要是关注如何计算mAP（VOC2010以后的计算方法）。 一、基础知识 1. precisi...
【目标检测】目标检测评估指标mAP
筱
04-24 1174
1、将所有预测框根据置信度从大到小进行排序； 2、选取不同的置信度阈值，预测框的置信度大于此阈值为Positive，小于为negative； 3、确定IOU阈值（一般0.5）。计算Positive与每个GT的IOU，当最大的IOU大于0.5时，为TP；小于0.5时为FP； FP 误检；FN漏检 precision=TPTP+FP \text {precision}=\frac{T P}{T P+...
目标检测评价指标mAP
uncle_ll的博客
08-13 5036
目标检测评价指标 mAP是目标检测中常用的评价指标之一，在论文中可以经常看到。全称是mean average precision (mAP)即各个类别AP的平均值。常用的评测指标有： mAP: mean Average Precision, 即各类别AP的平均值 TP、FP、FN、TN True Positive (TP): IoU>IOU_threshold（一般设置为0.5）的检测框数量（同一Ground Truth/GT只计算一次） False Positive (FP):
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