Average Precision (AP)和Average Recall (AR)
AP是单个类别平均精确度,而mAP是所有类别的平均精确度。
AP是Precision-Recall Curve曲线下面的面积。
曲线面积越大说明AP的值越大,类别的检测精度就越高。Recall是召回率,也叫查全率,Precision是准确率,也叫查准率,两者是相互矛盾的指标,如果能够较好的平衡两者,将在不同的条件下得到较好的检测效果,也就是曲线面积。
混淆矩阵中(上图):
True Positive区域:正样本预测为正样本
False Positive区域:负样本预测为正样本
False Negative区域:正样本预测为负样本
True Negative区域:负样本预测为负样本
注意:Flase和Ture表示错误判断和正确判断;Postive和Negative表示预测结果是正还是负。
如 False Positive :错误判断为正,说明实际为负;判断为正,判断错了。同理,False Negative:错误判断为负,说明实际为正;判断为负,判断错了。
预测样本在检测中就是预测框的大小,我们设置的IoU就是指的真实框与预测框的交并比,如果大于阈值就是正确,小于就是错误。
-
IoU=0.50
意味着IoU大于0.5被认为是检测到,即将IoU设为0.5时,计算每一类的所有图片的AP,然后所有类别求平均,即mAP。 -
IoU=0.50:0.95
意味着IoU在0.5到0.95的范围内被认为是检测到,表示在不同IoU阈值(从0.50到0.95,步长0.05)(0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95)上的平均mAP。 - 越低的
IoU
阈值,则判为正确检测的越多,相应的,Average Precision (AP)
也就越高。参考上面的第二第三行。 -
small
表示标注的框面积小于32 * 32
; -
medium
表示标注的框面积同时小于96 * 96
; -
large
表示标注的框面积大于等于96 * 96
; -
all
表示不论大小,我都要。 -
maxDets=100
表示最大检测目标数为100。
训练之后的mAP结果图类似于下图:文章来源:https://www.toymoban.com/news/detail-485360.html
文章来源地址https://www.toymoban.com/news/detail-485360.html
到了这里,关于目标检测结果IOU不同取值的含义 IoU=0.50与IoU=0.50:0.95的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!