深度学习目标检测之评价指标

【深度学习】目标检测之评价指标mAP

• 评估标准
  • • 混淆矩阵
    • 精确率（Precision）表示正确识别出的正样本占所有预测为正样本的比例
    • 召回率（Recall）衡量实际正样本中被正确识别出来的比例
    • 交并比（IoU）用于评估预测区域与真实区域重合程度的指标
    • 平均精度（AP）是对不同置信度阈值下精确率与召回率曲线下的面积进行计算得到的指标
    • mAP 是对多个类别平均精度的综合评估

  • 总结

评价指标

经历了一年的时间间隔，再次踏上学习的旅程。哈哈，不再赘述多余的话语，现在开始分享我近期整理的一些内容。今日所要归纳的重点内容为在目标检测领域中广泛应用的多种评估标准，包括精确度Precision、召回率Recall、交并比IoU、平均精度AP以及多个类别AP的均值mAP等指标。

混淆矩阵分析

目标检测模型在运行过程中往往会生成大量检测框，为了评估其性能，我们通常通过统计和分析各个检测框对目标识别的覆盖程度来进行判断。为此，我们将检测框划分为以下四种类型，判断的标准主要依赖于交并比（IoU，相关内容将在后文进行详细说明）。

• TP (True Positive) ，即真正例，表示实际为正样本的数据被正确识别为正样本；
• **TN (True Negative