目标检测中的评价指标

目标检测中的评价指标

将检测目标分为正样本和负样本。

真阳性(true positives , TP) : 正样本被正确识别为正样本。

假阳性(false positives, FP): 负样本被错误识别为正样本。

假阴性(false negatives, FN): 正样本被错误识别为负样本。

真阴性(true negativies, TN): 负样本被正确识别为负样本。

(1)FPS,每秒检测的图像帧数。
(2)P,精确率,是指预测出的类别中是正确类别的
概率,计算公式如下:
在这里插入图片描述
(3)R,召回率,是指预测出的正确类别在该正样本
中的概率,计算公式如下:
在这里插入图片描述
(4)AP,平均精确度,是 PR 曲线下面的面积,也是预测类别的概率。
(5)mAP,平均 AP 值,是对多个预测类别的 AP 值求平均 AP 值。
(6)IOU,交并比,是指模型生成的预测框 A 和真实框 B 之间交集与并集的比例。

以上指标数值越大,模型性能越好,其中:FPS是评价算法的速度度量指标;精确度P和召回率R形成的PR曲线围成的面积为平均精度 AP,反映了单类别的准确度;当检测多个类时,多个类别的 AP 求平均精度均值mAP反映了整个模型的检测效果;IOU体现了定位的准确性,比值越高说明预测的结果越准确。在YOLO算法中通常使用 FPS和 mAP来评价算法的实际性能:FPS越高代表检测的图像数量越多,算法的运行速度越快。mAP值越高代表算法的准确率高,算法性能好。

你可能感兴趣的:(目标检测,人工智能,计算机视觉)