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