算法评价指标

FPS（Frames Per Second，每秒传输帧数）

• 用于评估目标检测的速度，即每秒内可以处理的图片的数量或者处理一张图片所需时间，即图像的刷新频率。
• 代码实现思路：利用opencv调用摄像头，读取每一帧传入目标检测网络检测，将检测结果呈现，由于目标检测要求输入的图片格式一般为RGB格式，CV2读取的时候会使用BGR格式，因此在检测的时候要利用cv2.cvtColor进行图片格式转换。

MAP

• 物体检测器准确率的度量方法，即目标检测准确度。
• 对测试集做评估，计算测试集和测试集预测结果的准确率，指标是测试集中的真实框和目标是否检测出来，对于预测结果中的预测框和测试集中的真实框的IOU检测大于阈值，就判定这个框框和目标为TP即分类正确的正样本，其他的预测结果（预测框和真实框小于阈值）判定为FP负样本，而测试集中未被检测出来的目标和真实框（就是测试集标记的目标和框框减去预测正确的目标和框框）的就为FN。
• MAP中的正样本和负样本和我们为模型进行训练时候制作“负样本”两者是不同的概念，模型训练时制作“负样本”是为了防止模型过拟合，让模型具有更强的鲁棒性，而这里计算MAP所指的“负样本"是指评估算法中的测试集中预测小于阈值的预测结果。

版权声明：本文为CSDN博主「nightluo」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_45807767/article/details/121549442