[COCO]目标识别性能评价标准:AP,AP50,AP75,APsml |
您所在的位置:网站首页 › coco的意义 › [COCO]目标识别性能评价标准:AP,AP50,AP75,APsml |
参考资料: https://yanfengliux.medium.com/the-confusing-metrics-of-ap-and-map-for-object-detection-3113ba0386ef COCO训练数据结果给了一个较为复杂的表格: 解释一下表格中的含义: 【0】预测结果可能的情况 TF表示预测是否正确,PN表示预测结果的正负。 P=(TP)/(TP+FP) R=(TP)/(TP+FN) 精度P是衡量在所有预测中正确预测的百分比;召回率R是衡量现实中所有正面案例中正确正面预测的百分比。 TP,FP,FN,TN【1】AP,AR AP:PR曲线下的面积 PR曲线AR:是衡量一个模型检测框定位是否准确的指标。 AR是IoU在[0.5, 1.0]上所有recall的平均。 Average recall describes the area doubled under the Recall x IoU curve. The Recall x IoU curve plots recall results for each IoU threshold where IoU ∈ [0.5,1.0], with IoU thresholds on the x-axis and recall on the y-axis. Recall-IoU曲线AR是由What makes for effective detection proposals?(https://arxiv.org/pdf/1502.05082.pdf)这篇文章提出具体的代码实现为(https://github.com/hosang/detection-proposals/blob/master/recall/compute_average_recall.m): 参考这篇:https://manalelaidouni.github.io/Evaluating-Object-Detection-Models-Guide-to-Performance-Metrics.html https://blog.csdn.net/aaayushu/article/details/106236370 【2】IoU 传统理解为,IoU大于50%的时候,认为是目标检测到了。 为了更细化区分网络的性能,COCO数据集的评价标准中,把IoU的值从50%到95%每隔5%进行了一次划分。 具体来说,0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 ,一共十个,每次测试的时候都是在IoU=这个数上测试的。 在这10组precision-recall对中,我们对这十个值取平均(我理解为,10个PR曲线下得到的AP值,然后对这10个AP进行平均),得到了一个AP@[0.5:0.95] 有时固定IoU的阈值,比如50%或75%,也就是AP50和AP75,意味着IoU为50%或者75%时的AP值。 ·我们为什么要在不同的IoU情况下求AP和AR? 方便模型进行惩罚差的结果,优化好的结果。 【3】mAP:不同类别的AP求平均值【4】COCO的图像大小衡量标准: https://blog.csdn.net/meccaendless/article/details/87176932 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |