1.以mAP@50为例
-
m是不同类别AP50的均值
-
AP50的定义:(50的含义是iou阈值 为0.5)
已知:
所有测试集图片中某一类目标,
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(=0.5),则这个样本为真正例TP += 1;
② 如果小于阈值,则没框上的标签框导致 FN += 1,框错的预测框导致FP += 1
- 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,根据曲线下的面积算AP值。
———————————————————————————
准确率: P = TP / P 正确识别 / 总预测
召回率:R = TP / TP+ FN 正确识别 / 总真实
其他思考:
1.mAP50 与map(voc2007)的概念一致,两者等价
参考:
[1] http://cocodataset.org/#detection-eval
版权声明:本文为CSDN博主「胡戈戈」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_41176708/article/details/120859980
暂无评论