关于
- 个人微信公众号： Mn2+
- 个人博客首页
- 注：学习交流使用！
- 本文简介：目标检测常用的评价指标
正文
1、精确率（Precision），召回率（Recall），准确率（Accuracy）
（1）假设我们的分类目标只有两类，计为正例（positive）和负例（negtive）
①True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）；
②False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；
③False negatives(FN): 被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；
④True negatives(TN): 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。
（2）准确率(Precision)：表示预测为正样本的样本中真正为正样本的比例。
①计算方法为：Precision = TP/(TP + FP)
②准确率衡量了目标检测器在所有预测结果中预测正确的比例。
（3）召回率(Recall)：表示真正的正样本中被检测出来的比例。
①计算方法为：Recall = TP/(TP + FN)
②召回率衡量了目标检测器找到了多少正样本。
（4）准确率(Accuracy)：表示在所有样本中，你预测对的占多少。
①计算方法为：Acc = （TP+TN）/(TP + FP+TN+FN)
2、平均精度（Average Precision，AP），平均AP值（Mean Average Precision，mAP）
（1）AP的计算过程如下：
①对于每个类别，根据预测框和真实标注框的匹配情况，计算每个预测框的置信度分数和其对应的真实框的IOU值；
②对置信度分数按照从大到小的顺序排序，得到一个分数列表，列表中每个分数对应一个预测框；
③对每张图像的每个检测框与groundTruth计算IOU，大于阈值的为TP，否则为FP；
④根据计算的准确率和召回率，得到一个Precision-Recall曲线（PR曲线）；
⑤通过对PR曲线下面的面积进行积分，即可得到该类别的AP值。
（2）mAP：即 Mean Average Precision即平均AP值，是对多个验证集个体求平均AP值，作为 object dection中衡量检测精度的指标。
3、预测框和目标框的交/并比IOU
（1）目标检测中的IoU（Intersection over Union）是检测框和真实框之间的相交面积占两者并集面积的比例，通常用于度量目标检测算法中物体定位准确性。
（2）计算公式如下：IOU = Area of Overlap/Area of Union
其中：
- Area of Overlap：两个框的交集面积，可以通过计算两个框的左上角和右下角坐标来得到。
- Area of Union：两个框的并集面积，即两个框的面积之和减去交集面积。
（3）通常在目标检测中，当IOU值大于等于某个阈值（如0.5或0.7）时，我们就认为该检测框正确地定位了目标。
4、FPS
（1）除了检测准确度，目标检测算法的另外一个重要性能指标是速度，只有速度快，才能实现实时检测，这对一些应用场景极其重要。评估速度的常用指标是每秒帧率（Frame Per Second，FPS），即每秒内可以处理的图片数量。当然要对比FPS，你需要在同一硬件上进行。另外也可以使用处理一张图片所需时间来评估检测速度，时间越短，速度越快。
5、NMS(非极大抑制)
（1）NMS即non maximum suppression即非极大抑制，顾名思义就是抑制不是极大值的元素，搜索局部的极大值。
（2）在物体检测中，NMS 应用十分广泛，其目的是为了清除多余的框，找到最佳的物体检测的位置。
6、置信度分数
（1）在目标检测中，每个预测框都会被分配一个置信度分数，表示该框中包含物体的概率。一般来说，这个分数是通过网络输出的框框得分（box score）和物体类别得分（object score）进行加权得到的。
（2）具体来说，对于一个预测框，它的得分由两个因素组成：
①框框得分（box score）：表示该框与目标边界框的重合程度，通常是通过计算交/并比（IOU）来评估。如果框框与目标边界框的IOU越大，框框得分就越高。
②物体得分（object score）：表示该框中存在某个物体的概率。在一些目标检测模型中，这个分数是通过对每个预设的类别分别进行二分类来得到的。即，对于每个预测框，都会输出一个它属于每个类别的概率值。通常，我们将每个预测框的最高分数看作其物体得分。
7、AP@50
（1）AP@50是一种常用的评估指标，它表示在Recall为50%时的平均精度（Average Precision，AP）值。在COCO数据集中，AP@50通常用于衡量目标检测器的性能。
关注
个人微信公众号：Mn2+
哔哩哔哩：不爱码字的小懒马儿
