一些概念
True | |||
Predict | True postive | False postive | 预测为正类 |
False negivate | True negivate | 预测为负类 | |
真实为正类 | 真实为负类 |
precision--检测准确率 = tp/(tp + fp)
recall--漏检率(召回率)= tp/(tp + fn)
IOU( intersection-over-union)--表示网络预测框与标注框的重合程度
若黄框为网络的预测结果,绿框为标注结果,IOU=(黄∩绿)/(黄∪绿),在目标检测中,IOU大于某一阈值时认为目标被检测出来
mAP(mean average precision)--平均精度均值,衡量目标检测算法的精确度
多个类别物体检测中,每一个类别都可以根据recall和precision绘制一条曲线,AP就是该曲线下的面积,mAP是多个类别AP的平均值