前言
相信刚刚接触目标检测的小伙伴也是有点疑惑吧，目标检测的知识点和模型属实有点多，想要工作找CV的话，目标检测是必须掌握的方向了。我记得在找实习的时候，面试官就问到了我目标检测的指标是什么，答：mAP！问：mAP是什么？我：…….!☺
所以在本文中我也是详细说一下mAP 的含义，有什么不对的或者不全的欢迎大家指正！
mAP是mean of Average Precision的缩写，意思是 平均精确度（average precision）的平均（mean），是object detection中模型性能的衡量标准。object detection中，因为有物体定位框，分类中的accuracy并不适用，因此才提出了object detection独有的mAP指标，但这也导致mAP没有分类中的accuracy那么直观。但也没有那么复杂。首先，简单回顾几个基础概念。
一、查准率（Precision）和查全率（Recall）
查准率：预测所有为正的结果中，真正正确的结果的比例。
查全率：所有正例中被正确预测的比例，即预测正确的覆盖率。
来一张别人总结过的图片：
好的，看得有点懵没关系，大体有个印象就好，后面还会进行总结升华的！
关于IOU的部分在这里我就不多做介绍了，感兴趣的 朋友可以看看我这篇文章：NMS及IOU原理讲解和代码解析
二、一个类别的AP计算
物体检测中的每一个预测结果包含两部分，预测框（bounding box）和置信概率（Pc）。bounding box通常以矩形预测框的左上角和右下角的坐标表示，即x_min, y_min, x_max, y_max，如下图。置信概率Pc有两层意思，一是所预测bounding box的类别，二是这个类别的置信概率，如下图中的P_dog=0.88，代表预测绿色框为dog，并且置信概率为88%。
`
Rank | BB | confidence | GT
2 | BB2 | 0.8 | 1
4 | BB3 | 0.5 | 0
6 | BB5 | 0.4 | 1
8 | BB7 | 0.2 | 0
10 | BB9 | 0.1 | 1
rank=2 precision=1.00 and recall=0.29
rank=4 precision=0.50 and recall=0.29
rank=6 precision=0.50 and recall=0.43
rank=8 precision=0.38 and recall=0.43
rank=10 precision=0.50 and recall=0.71
Original: https://blog.csdn.net/qq_38375203/article/details/125391658
Author: Aliert
Title: 目标检测指标mAP详解
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/646620/
转载文章受原作者版权保护。转载请注明原作者出处！