欢迎访问我的网站,希望内容对您有用,感兴趣的可以加入免费知识星球。

Precision、Recall、IoU和mAP

算法 迷途小书童 3年前 (2020-12-05) 2675次浏览 1个评论

环境

  • windows 10 64bit

Precision和Recall

先看下面的示意图

Precision Recall

其中,黄色部分是系统返回的结果,绿色部分是所有对用户有用的结果。两者的重叠部分,叫做 TP: True Positive;而返回结果的剩余部分,叫做 FP: False Positive,这部分对用户来说是没有用的;而绿色部分剩下的,叫做 FN: False Negative,这部分本来是对用户有用的,但是系统却认为没用;最后剩下的灰色部分,叫做 TN: True Negative,就是真的没用的结果。

可以很容易看出, TRUE/FALSE 是从结果是否分对的角度来看的,而 Positive/Negative 表示 我们认为的 "是"还是"不是"。

由上面可知,Precision 的计算公式应是

Precision Recall

Precision 表明系统识别出的结果中,有多少是正确的。

Recall的计算公式为

Recall

Recall 表明在所有正确的结果中,系统到底能够检出多少。

需要注意的是,PrecisionRecall 是成对出现的,单独出现是没有意义的。比如一张图片中有10只猫,识别系统只检测出了一只猫,并且是正确的,那么 Precision 就是100%,但是 Recall 却很低,只有10%

下图就是我们经常会看到的 P-R

Precision Recall

Recall 越来越大时,如果 Precision 仍处在一个较高的位置,就说明这是一个好的系统。

F1-Score

F1-Score 或叫 F1-Measure 就是精确值和召回率的调和均值, 也就是

F1-score

调整下,就是

F1-score

IoU

交并比 IoU(Intersection over Union) 衡量的是两个区域的重叠程度,是两个区域重叠部分面积占二者总面积(重叠部分只计算一次)的比例。如下图

IoU

需要注意的是,如果 IoU 为0.5,并不意味着每个框刚好有50%与另外一个框是交叉的,这个比例还要更高。

mAP

先来看 AP,即 Average Precision,平均精度,是 P-R 曲线下的面积,可以参考上面的 P-R 图,AP 值越大,效果越好。

mAPmean Average Precision 的缩写,即每一类的 AP 的平均值,mAP 取值范围是0~1,越大越好,它是目标检测算法中最重要的评估指标之一。

经常看到的 mAP@0.5,意思就是将 IoU 设为0.5时,计算 mAP,而 mAP@.5:.95 即表示在不同的 IoU 阈值(从0.5到0.95,步长是0.05)上的 mAP

参考资料

喜欢 (2)

您必须 登录 才能发表评论!

(1)个小伙伴在吐槽
  1. 简单明了
    匿名2020-12-11 11:38
Ads Blocker Image Powered by Code Help Pro

Ads Blocker Detected!!!

请关闭 Adblock 等类似浏览器插件,然后刷新页面访问,感谢您的支持!

We have detected that you are using extensions to block ads. Please support us by disabling these ads blocker.