目标检测评价指标

参考：视频讲解

---

前言

学习记录

对于目标检测来言，使用边界框检测出来物体，那我们如何对其检测效果进行评价，我们可以结合以下三个方面考虑：

• IOU相关的阈值的设置
• 检测类别
• 检测置信度

---

一、评价指标的定义

基础知识：
TP(True Positive)：检测出来的物体与真实框的IOU大于0.5的数量
FP(False Positive)：检测出来的物体与真实框的IOU小于0.5的数量
FN(False Negetive)：未检测出来的物体

1. 精确率
   又叫查准率，检测出来的物体中检测准确的个数
   $$Precision=TP/(TP+FP)$$
2. 召回率
   又叫查全率，真实目标当中被检测准确的个数
   $$Recall=TP/(TP+FN)$$
3. AP-Average Precision
   P-R曲线下方的面积，这样可以权衡精确率与召回率，使得他俩同时都不低。
   P-R曲线是以Recall为横坐标，Precision为纵坐标
4. MAP
   AP代表的某一类别的P-R曲线面积
   MAP代表所有类别的AP取平均

二、评价指标的计算

对于下面这三幅图像进行评价指标的计算

1.前言中三个方面去考虑

依次观察三幅图像：

2.计算Precision、Recall

由于OB为True，所以TP=1
由于只检测一个物体，且OB为True，所以FP=0
由于只检测一个物体，一共有7个物体，所以未检测出来的物体个数为6，故FN=6
依次计算：

绘制P-R曲线：

当Recall相同时，取Precision最高的点，下面的计算代表的就是某一类别的AP计算公式，也就是P-R曲线下方的面积。
MAP是将所有类别AP取平均

三、COCO 评价参考

这里的AP代表的是MAP，也就是多个物体类别的AP取平均
area代表的是一张图像的检测区域大小
maxDets代表的是每张图像的最大检测类别数

---