深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]mAP评估

大家好,又见面了,我是你们的朋友全栈君。

基本概念

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

P-R曲线中,P为图中precision,即精准度,R为图中recall,即召回率。

Example

下面通过具体例子说明。

首先用训练好的模型得到所有测试样本的confidence  score,每一类(如car)的confidence   score保存到一个文件中(如comp1_cls_test_car.txt)。假设共有20个测试样本,每个的id,confidence  score和ground  truth  label如下:​​

ground  truth  label通过预测的bbox与ground  truth的iou确定为正样本或负样本。

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

接下来对confidence  score排序,得到:

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

P-R曲线:

我们得到top-5的结果,前score最高的前5个样本,预测label为1,即:

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

此例中采用top-5评估,也可采用其他评估,如AP50,即当预测框与真实框的IoU值大于这个阈值时,该预测框才被认定为真阳性(True Positive, TP),反之就是假阳性(False Positive,FP)。

在这个例子中,true   positives就是指第4和第2张图片,false   positives就是指第13,19,6张图片。是相对于方框内的元素而言,在这个例子中,confidence   score排在top-5之外的元素为false   negatives和true  negatives,即:

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

其中,false   negatives是指第9,16,7,20张图片,true   negatives是指第1,18,5,15,10,17,12,14,8,11,3张图片。

那么,这个例子中Precision=2/5=40%,意思是对于car这一类别,我们选定了5个样本,其中正确的有2个,即准确率为40%;Recall=2/6=30%,意思是在所有测试样本中,共有6个car,但是因为我们只召回了2个,所以召回率为30%。此时为下图中第5个样本点。同理图中第一个样本点:P=1,R=1/6,第二个样本点,考虑前两个样本,P=1,R=2/6=1/3。。。

这个例子的precision-recall曲线如下:

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

实际多类别分类任务中,我们通常不满足只通过top-5来衡量一个模型的好坏,而是需要知道从top-1到top-N(N是所有测试样本个数,本文中为20)对应的precision和recall。显然随着我们选定的样本越来也多,recall一定会越来越高,而precision整体上会呈下降趋势。把recall当成横坐标,precision当成纵坐标,即可得到常用的precision-recall曲线。

AP计算:

接下来说说AP的计算,此处参考的是PASCAL  VOC  CHALLENGE的2010年之前计算方法。首先设定一组阈值,[0, 0.1, 0.2, …, 1]。然后对于recall大于每一个阈值(比如recall>0.3),我们都会得到一个对应的最大precision。这样,我们就计算出了11个precision。AP即为这11个precision的平均值。这种方法英文叫做11-point interpolated average precision。​

当然PASCAL VOC CHALLENGE自2010年后就换了另一种计算方法。新的计算方法假设这N个样本中有M个正例,那么我们会得到M个recall值(1/M, 2/M, …, M/M),对于每个recall值r,我们可以计算出对应(r’ >= r)的最大precision,然后对这M个precision值取平均即得到最后的AP值。计算方法如下:​

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

相应的Precision-Recall曲线(这条曲线是单调递减的)如下:​

深度学习-目标检测评估指标P-R曲线、AP、mAP[通俗易懂]

AP衡量的是学出来的模型在每个类别上的好坏,mAP衡量的是学出的模型在所有类别上的好坏,得到AP后mAP的计算就变得很简单了,就是取所有AP的平均值。

参考:https://blog.csdn.net/zdh2010xyz/article/details/54293298

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/148106.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • vb四环棋的实现,平面四子棋

    vb四环棋的实现,平面四子棋

  • dpkg命令用法[通俗易懂]

    dpkg命令用法[通俗易懂]dpkg是一个Debian的一个命令行工具,它可以用来安装、删除、构建和管理Debian的软件包。下面是它的一些命令解释:1.安装软件命令行:dpkg-i<.debfilename>示例:dpkg-iavg71flm_r28-1_i386.deb2.安装一个目录下面所有的软件包命令行:dpkg-R示例:dpkg-R/usr/local/src3.释放软件包,但是不进行配

  • ubuntu安装pycharm激活成功教程_pycharm安装后无解释器

    ubuntu安装pycharm激活成功教程_pycharm安装后无解释器首先需要安装JDK,Ubuntu自带openjdk的残留,可通过java-version命令进行查看,如果不安装JDK的话,pycharm安装时就会报错:NoJDKfound.PleasevalidateeitherIDEA_JDK,JDK_HOMEorJAVA_HOMEenvironmentvariable…,对于JDK的安装,网上有相当多的教程,但是大部分都不能利用…

  • VS2008安装失败_vs2015安装时发生严重错误

    VS2008安装失败_vs2015安装时发生严重错误因为前两天XML的作业时用VS2008做的,公司的电脑上没装,打算装一个,以前安装过N次VS2008,昨天在公司的电脑上安装提示如下错误:    当时以为是安装的同时打开了很多其他的应用程序导致的这个问题。今天在关闭其他程序的情况下重新安装,还是出错。    在百度上搜说是与office2007冲突,解决办法是卸载office2007再安装,但是我以前都是在安装

  • kafka批量删除topic_kafka查看topic数据量

    kafka批量删除topic_kafka查看topic数据量利用kafka命令删除topic不成功。kafka-topics.sh–zookeeperhadoop111:2181–delete–topictest原因&解决方式1.配置文件未将delete.topic.enable=true,导致删除命令未及时生效;解决方式:第一种:找到conf目录下server.properties配置文件,修改delete.topic.enable=true,代表删除立即生效;[ssrs@hadoop111config]$pwd/opt/mod

    2022年10月16日
  • linux查看80端口占用情况_linux查看已使用端口

    linux查看80端口占用情况_linux查看已使用端口前言平常使用linux,我们经常需要查看哪个服务占用了哪个端口,接下来就为大家介绍了2种Linux查看端口占用情况可以使用lsof和netstat命令。1.lsof-i:端口号用

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号