目标检测中的指标都是什么意思

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.

版权声明:本文为CSDN博主「wrysunny_bc」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/wrysunny_bc/article/details/122747027

wrysunny_bc

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

基于AI的图像视觉处理技术

计算机视觉是一门研究如何使机器”看“的科学,作为一个学科,它试图建立能够从图像或多维数据中获取”信息“的人工智能系统。 一、检测跟踪 ​ 1.MTCNN MTCNN是比较经典快速的人脸检测技术,它可实