评价训练效果的值——精准度(precision)、召回率(recall)、准确率(accuracy)、交除并(IoU)
TP是正样本预测为正样本
FP是负样本预测为正样本
FN是本为正,错误的认为是负样本
TN是本为负,正确的认为是负样本
precision就是在识别出来的图片中(预测为正样本的图片是识别出的图片),TP所占的比值:
precision=TP/(TP+FP)
recall就是被正确识别出来的正样本个数与测试集中所有正样本的个数的比值:
recall=TP/(TP+FN)
accuracy=(TP+TN)/(TP+FP+FN+TN)
IoU就是系统预测出来的框与原来图片中标记的框的重合程度。即检测结果Detection Result与 Ground Truth 的交集比上它们的并集,即为检测的准确率:
IoU=(DetectionResult⋂GroundTruth)/(DetectionResult⋃GroundTruth)
mAP是多类的检测中,取每个类AP的平均值。AP(average precision)就是这个曲线下的面积,这里average等于是对recall取平均。而mAP(mean average precision)的mean,是对所有类别取平均。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:目标检测评价标准 - Python技术站