目标检测概述及map评价指标

深度学习经典检测方法

two-stage(两阶段):Faster-rcnn mask-rcnn

  

one-stage(一阶段):YOLO系列

  直接从一整张图像来预测出bounding box 的坐标、box中包含物体的置信度和物体所属类别概率

目标检测概述及map评价指标

 

one-stage:

  优势:速度快,适合做实时检测任务!

  缺点:准确率不会太好

two-stage:

  缺点:速度较慢,达不到实时检测的目的

  优点:准确率高

评价指标

IOU:

目标检测概述及map评价指标

 

预备概念:精度、召回率(postive(P):被检测到,negtive(N):没检测到; true(T):判定对了,false(F):判定错了)

 

 目标检测概述及map评价指标

 

目标检测概述及map评价指标

 

 

 例如:

有3张图如下,要求算法找出face。蓝色框代表标签label,绿色框代表算法给出的结果pre,旁边的红色小字代表置信度。

目标检测概述及map评价指标目标检测概述及map评价指标

 

 

 目标检测概述及map评价指标

 

 

 当选取 置信度阈值=0.9时(过滤掉置信度小于0.9的预测结果),TP+FP=1, TP=1; FN=2, precision=1/1,  recall=1/3.

 当选取 置信度阈值=0.8时(过滤掉置信度小于0.8的预测结果),TP+FP=2, TP=1; FN=2, precision=1/2,  recall=1/3.

 当选取 置信度阈值=0.7时(过滤掉置信度小于0.7的预测结果),TP+FP=3, TP=2; FN=1, precision=2/3,  recall=2/3.

目标检测概述及map评价指标

 

目标检测概述及map评价指标

上一篇:Django ORM简介和单表创建的设置和过程


下一篇:KicK Start 2021 Round A 1