目标检测模型评价指标IoU、mAP

@

目录

• 一、IOU
• 二、mAP
  • 2.1 简介
  • 2.2 计算方法
• 三、模型速度

一、IOU

交并比loU(intersection-over-union)

二、mAP

2.1 简介

mAP(mean average precision)平均准确率均值

2.2 计算方法

多标签图像分类任务中图片的标签不止一个,因此评价不能用普通单标签图像分类的标准。首先用训练好的模型得到所有测试样本的置信度(confidence score) ,比如某个类别(如检测猫)有20个测试样本:

接下来按照置信度的大小重新排序，我们想得到top-5的结果:

实际多类别分类任务中,我们需要知道从top-1到top-N ( N是所有测试样本个数,我们的例子中是20 )对应的precision和recall。显然随着我们选定的样本越来也多，recall一定会越采越高,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:

三、模型速度