3.yolov5目标检测-常用评估指标

yolov5官网的模型评估对比图

3.yolov5目标检测-常用评估指标_第1张图片
3.yolov5目标检测-常用评估指标_第2张图片
3.yolov5目标检测-常用评估指标_第3张图片
需要借助狼来了的故事了解:真阳性,假阳性,假阴性,真阴性。

IOU:交并比,用来筛选最终预测出来的边界框。


通过求标注和预测的交并比,可以得到一个预测准确度的指标。
3.yolov5目标检测-常用评估指标_第4张图片

3.yolov5目标检测-常用评估指标_第5张图片
3.yolov5目标检测-常用评估指标_第6张图片
3.yolov5目标检测-常用评估指标_第7张图片
GA、GB、GC是标注的内容,P1234是检测出的内容。
分别计算每次识别的IOU。
3.yolov5目标检测-常用评估指标_第8张图片
我们把P4作为了GB的最佳匹配框,所以P3就变成了假阳性。
3.yolov5目标检测-常用评估指标_第9张图片
计算recall的时候,有三个标注,所以分母就是3.
3.yolov5目标检测-常用评估指标_第10张图片
3.yolov5目标检测-常用评估指标_第11张图片
计算方式会选择向右拉直。

3.yolov5目标检测-常用评估指标_第12张图片
3.yolov5目标检测-常用评估指标_第13张图片
之后的比赛就开始用所有的点了。 计算的都是右上角的矩形。
用这种方式可以算出所有类别的AP。
3.yolov5目标检测-常用评估指标_第14张图片
微软推出了coco数据集,采用101个recall点。
3.yolov5目标检测-常用评估指标_第15张图片
coco的ap和map不做区分。
3.yolov5目标检测-常用评估指标_第16张图片

3.yolov5目标检测-常用评估指标_第17张图片

你可能感兴趣的:(计算机视觉,python技术栈,目标检测,人工智能,计算机视觉)