没有合适的资源?快使用搜索试试~ 我知道了~
相信大家在看一些目标检测论文中经常会看到作者将自己的模型和其他的模型做了mAP比较,mAP作为目标检测中一个非常重要的评估指标,是对模型好坏的评价标准,当时在看YOLOv3、SSD、Faster R-CNN等这些论文的时候,对mAP还不是很熟悉,看了很多的博文,写得都很零碎,很难理解,虽然大概能明白其原理,但是可能对于很多刚进入这个领域的同学来说,难度还是很大的,刚好这几天被困在家没事做,在复习之前的东西,也重新整理一下本人对mAP的理解,用这篇博客记录下来。 YOLOv3论文中的各个模型的mAP对比图: 目标检测问题中,每张图片可能包含多个不同类别的不同物体,需要评测模型的分类和定位性能.
资源推荐
资源详情
资源评论
























目标检测中评估指标目标检测中评估指标mAP详解和计算方式详解和计算方式
相信大家在看一些目标检测论文中经常会看到作者将自己的模型和其他的模型做了mAP比较,mAP作为目标检测中一个非常重要的评估指标,是对模型
好坏的评价标准,当时在看YOLOv3、SSD、Faster R-CNN等这些论文的时候,对mAP还不是很熟悉,看了很多的博文,写得都很零碎,很难理解,虽
然大概能明白其原理,但是可能对于很多刚进入这个领域的同学来说,难度还是很大的,刚好这几天被困在家没事做,在复习之前的东西,也重新整理
一下本人对mAP的理解,用这篇博客记录下来。
YOLOv3论文中的各个模型的mAP对比图:
目标检测问题中,每张图片可能包含多个不同类别的不同物体,需要评测模型的分类和定位性能.
因此,图像分类问题中的精度指标是不能直接适用的. 这就是为什么采用 mAP 的原因.
一、理解一、理解mAP前要知道的一些基础概念前要知道的一些基础概念
1.IOU
IoU 的全称为交并比(Intersection over Union),在目标检测中即计算预测边界框与真实边界框的重叠程度,重叠程度越高,说明越接近真实框。IoU
计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值,即公式等于:
IOU = 相交的面积相交的面积 / 相并的面积相并的面积
2. 混淆矩阵混淆矩阵
混淆矩阵是机器学习中总结分类模型预测结果的情形分析表,以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇
总。其中矩阵的行表示真实值,矩阵的列表示预测值,矩阵表现形式,如下:

为了更好的理解,我们把矩阵中英文翻译成字面信息,True(对)、False(错)、Positive(正例)、Negative(负例),混淆矩阵重新整理一下:
现在我们来分析一下这个混淆矩阵,在mAP计算中,混淆矩阵的概念是非常重要的,如果你这步都没有理解的话,那接下来的mAP计算你肯定也看不
懂。
2.1 真正例真正例 TP((True Positives):):
预测结果是True(对),真实值为Positives(正例),模型认为它也是Positives(正例);在一般情况下,会认为IOU>0.5时为真正例,在一些数据集
上的指标也是为0.5;
2.2 假正例假正例 FP((False Positives))
预测结果是False(错),真实值为Negative(负例),模型却认为它是Positives(正例);同理,一般情况下会认为 IOU<0.5 时为假正例;
2.3 假反例假反例 FN(( False Negatives))
剩余6页未读,继续阅读
资源评论


weixin_38738511
- 粉丝: 3
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助


最新资源
- 如何学好网络营销课程.doc
- 信息系统安全概述.pptx
- 基于单片机的电子密码锁的课程设计.docx
- 数据挖掘的方法有哪些?.pdf
- 汽车单片机与车载网络培训课件.pptx
- 房产项目管理实用表格工具.doc
- 卫星通信系统概述.ppt
- 模板项目管理月报.doc
- 中企动力网络营销.pptx
- 专业会计必备的应的Excel技巧【会计实务操作教程】.pptx
- 数据库原理试卷A(标准答案).doc
- 网络安全入侵检测.ppt
- 最新国家开放大学电大《营销策划案例分析》网络核心课形考网考作业及答案.pdf
- 网络营销理论培训课件.pptx
- 综合布线技术与施工模拟公司制.pptx
- 无线网络WIFI对人们生活影响的调查报告样本.docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈



安全验证
文档复制为VIP权益,开通VIP直接复制
