P,R,AP, mAP, AP@0.5, mAP@0.5:0.95
IOU,Intersection of Union,两个框的交集/两个框的并集
GT,Ground-truth,真实的标注
TP,True Positive,检测结果是正确的,简称正检
FP,False Positive,检测结果是错误的,简称误检
FN,False Negative,没有检测到的目标,简称漏检
P,Precison,精准率,检测结果中检测正确所占比例
R,Recall,召回率,检测结果中正确检测个数占GT的比例
========================================================================
AP,Average Precision,AP计算一个类别,一系列Precision点,Recall点组成一个P-R曲线图,P-R曲线图下的面积就是AP
mAP,mean Average Precision,多个AP求平均值
========================================================================
AP@0.5,计算一个类别的AP,0.5是IOU_thresh的阈值,用来过滤检测框和真实框之间的重叠度IOU,IOU>0.5满足条件
AP@0.5:0.95,即[0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95] 10个IOU_thresh阈值来画出10个P-R曲线,然后求平均值
mAP@0.5,计算多个类别(AP)在IOU_thresh=0.5的阈值的情况下的平均值
mAP@0.5:0.95,计算多个类别(AP)在IOU_thresh=[0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95] 10个IOU_thresh阈值的情况下的平均值
========================================================================
VOC2007,计算[0:0.1:1]11个recall-point下的Precision点和Recall点值,画P-R曲线,曲线下的面积就是AP
VOC2010,计算检测值按confidence降序排序,所有confidence都当成recall-point计算Precision点和Recall点值,画P-R曲线,曲线下的面积就是AP
COCO,计算[0:0.01,1]101个recall-point下的Precision点和Recall点值,画P-R曲线,曲线下的面积就是AP
========================================================================
- 本文标题:P,R,AP, mAP, AP@0.5, mAP@0.5:0.95
- 创建时间:2022-05-28 13:48:30
- 本文链接:2022/05/28/ML/mAP-PR/
- 版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
评论