目標(biāo)檢測(cè)mAP的概念及公式詳解
學(xué)習(xí)前言
在Github上我們可以看到許多模型，他們都有mAP值的評(píng)價(jià)指標(biāo)，如下圖所示：
這到底是個(gè)啥呢？我查了好久的資料…
什么是TP、TN、FP、FN
TP的英文全稱為T(mén)rue Positives，其指的是被分配為正樣本，而且分配對(duì)了的樣本，代表的是被正確分類的正樣本。
TN的英文全稱為，其指的是被分配為負(fù)樣本，而且分配對(duì)了的樣本，代表的是被正確分類的負(fù)樣本。
FP的英文全稱為False Positives，其指的是被分配為正樣本，但分配錯(cuò)了的樣本，代表的是被錯(cuò)誤分類的負(fù)樣本。
FP的英文全稱為False Negatives，其指的是被分配為負(fù)樣本，但分配錯(cuò)了的樣本，代表的是被錯(cuò)誤分類的正樣本。
什么是Precision和Recall
Precision指的是精度
Recall指的是召回率
兩個(gè)分別代表什么意思呢？
Precision的具體含義是：分類器認(rèn)為是正類并且確實(shí)是正類的部分占分類器認(rèn)為是正類的比例
Recall的具體含義是：分類器認(rèn)為是正類并且確實(shí)是正類的部分占所有確實(shí)是正類的比例。
什么是mAP
說(shuō)到mAP，也要說(shuō)到，AP是什么。
說(shuō)到AP，就要聯(lián)系到上一部分所說(shuō)的Precision和Recall。
對(duì)于目標(biāo)檢測(cè)而言任務(wù)，每一個(gè)類都可以計(jì)算出其Precision和Recall，通過(guò)合理的計(jì)算，每個(gè)類都可以得到一條P-R曲線，曲線下的面積就是AP的值。
假設(shè)存在M張圖片，對(duì)于其中一張圖片而言，其具有N個(gè)檢測(cè)目標(biāo)，其具有K個(gè)檢測(cè)類，使用檢測(cè)器得到了S個(gè)Bounding Box(BB)，每個(gè)BB里包含BB所在的位置以及對(duì)于K個(gè)類的得分C。
利用BB所在的位置可以得到與其對(duì)應(yīng)的GroundTruth的IOU值。
1、步驟1：
對(duì)于每一個(gè)類I而言，我們執(zhí)行以下步驟：
對(duì)所有的BB，計(jì)算BB所在的位置與其最對(duì)應(yīng)的GroundTruth的IOU值，，記為MaxIOU，此時(shí)再設(shè)置一個(gè)門(mén)限threshold，一般設(shè)置為0.5。
當(dāng)MaxIOU<threshold，認(rèn)為該預(yù)測(cè)框無(wú)真實(shí)框與其對(duì)應(yīng)，此時(shí)可以記錄其屬于False Positive，使其FPi = 1，并記錄其屬于類I的分?jǐn)?shù)C。
當(dāng)MaxIOU>threshold，認(rèn)為該預(yù)測(cè)框與該真實(shí)框最對(duì)應(yīng)；
此時(shí)再分兩類：
當(dāng)該框的類別屬于類型I時(shí)，此時(shí)可以記錄其屬于True Positive，使其TPi = 1，并記錄其屬于類I的分?jǐn)?shù)C。
當(dāng)該框的類別不屬于類型I時(shí)，此時(shí)可以記錄其屬于False Positive，使其FPi = 1，并記錄其屬于類I的分?jǐn)?shù)C。
2、步驟2：
由步驟1我們可以得到K * S個(gè)分?jǐn)?shù)C 和 TP 和 FP的元祖，在python中，我們可以將其構(gòu)成形如(C,TP, FP)的元組，對(duì)這K * S個(gè)元祖按照得分C進(jìn)行排序。
3、步驟3：
將得分從大到小排序后進(jìn)行截取，截取得分最大的S個(gè)，通過(guò)該步驟可以獲得每個(gè)框是否成功對(duì)應(yīng)了自己所屬的類，計(jì)算每次截取所獲得的recall和precision。
（此處Recall所用的TP+FN = N（一張圖片所具有的N的目標(biāo)，所有確實(shí)是正類的數(shù)量））
這樣得到S個(gè)recall和precision點(diǎn)，便畫(huà)出PR曲線了。
通過(guò)PR曲線便可以得到AP值。
而mAP就是對(duì)所有的AP值進(jìn)行求平均即可。
以上就是目標(biāo)檢測(cè)mAP的概念及公式詳解的詳細(xì)內(nèi)容，更多關(guān)于目標(biāo)檢測(cè)mAP公式的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
如何在網(wǎng)頁(yè)中顯示服務(wù)器時(shí)間
在網(wǎng)頁(yè)上顯示時(shí)間，如果取的是用戶本機(jī)的時(shí)間，由于用戶的時(shí)間往往不準(zhǔn)確，所以顯示的有問(wèn)題。而服務(wù)器時(shí)間一般不會(huì)誤差太大，所以最好顯示服務(wù)器時(shí)間2013-03-03
下面小編就為大家?guī)?lái)一篇git恢復(fù)刪除的分支及內(nèi)容的方法。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-10-10
這篇文章主要為大家介紹了Redhat持久化日志實(shí)戰(zhàn)示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-11-11
使用.gitignore文件簡(jiǎn)化Git倉(cāng)庫(kù)管理
.gitignore文件用于指定在git中應(yīng)該被忽略的文件或目錄,前端的node_modules目錄包含大量文件,如果將其添加到版本管理系統(tǒng)中,會(huì)使倉(cāng)庫(kù)變得龐大,不利于倉(cāng)庫(kù)的管理,本文介紹了使用.gitignore文件來(lái)簡(jiǎn)化你的Git倉(cāng)庫(kù)管理2023-10-10
都說(shuō) StringBuilder 在處理字符串拼接上效率要強(qiáng)于 String，但有時(shí)候我們的理解可能會(huì)存在一定的偏差。今天小編給大家?guī)?lái)一篇教程關(guān)于StringBuider 在什么條件下、如何使用效率更高？感興趣的朋友一起看看吧2020-06-06
基于prompt?tuning?v2訓(xùn)練好一個(gè)垂直領(lǐng)域的chatglm-6b
這篇文章主要為大家介紹了基于prompt?tuning?v2訓(xùn)練好一個(gè)垂直領(lǐng)域的chatglm-6b的過(guò)程詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-04-04
本文是給大家分享的作者在使用vscoe過(guò)程中遇到的一個(gè)小問(wèn)題的解決方法,就是取消vscode單擊新文件時(shí)覆蓋舊文件,希望對(duì)大家能夠有所幫助2020-02-02
這篇文章主要介紹了git使用教程(最詳細(xì)、最傻瓜)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
這篇文章介紹了Visual?Studio自定義項(xiàng)目模版的方法，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-07-07
VSCode如何遠(yuǎn)程連接Linux教程(密鑰的使用)
本文主要介紹了VSCode如何遠(yuǎn)程連接Linux教程，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-12-12