目标检测的评价标准mAP, Precision, Recall, Accuracy

metrics 评价方法

针对谁进行评价?

  • 对于物体分类到某个类别的 预测结果 和 真实结果 的差距进行评价(二分类)

  • 在多分类问题中,评价方法是逐个类计算的,不是所有类一起算!是只针对一个类算,每个类别有自己的指标值!

    • 也就是对每个类别,预测结果Positive\Negative 和真实结果的差距

在detection任务中,要在什么阶段用?

  • 一般是将网络的输出,在各个类别下统计topk,再对这些topk使用NMS,最后得出的结果才用来评价。实际上这也是detection的结果。

TP , FP , TN , FN

概念

TP = True Positive

  • 预测为positive 且ground-truth和预测一致 => ground-truth是positive

FP= False Positive

  • 预测为positive 且ground-truth和预测不一致 => ground-truth是negative

TN=True Negative

  • 预测为negative 且ground-truth和预测一致 => ground-truth是negative

FN=False Negative

  • 预测为negative 且ground-truth和预测不一致 => ground-truth是positive

 

计算流程

不同数据集可能用的是不同的定义方法,以VOC07为例

在所有预测为猫咪类的框中, 具有怎么样的特征的框才是 TP 和 FP 呢?

计算流程

  1. 猫咪类别的 Prediction 下,对于某一确定 confidence threshold
  • 将 Prediction 按照 confidence 排序
  • confidence 大于 confidence threshold 的 Prediction 定义为 Positive
  1. 猫咪类别的 Positive Prediction下,对于某一确定 IOU threshold
  • 猫咪类别的 GT的 IOU 大于 threshold 的 Prediction, 并且 该GT是未被其它Prediction 匹配的,标记为 True Positive(TP),同时对应的GT标记为已匹配
  • 猫咪类别的 GT的 IOU 小于 threshold 的 Prediction, 或是该GT已经被匹配,则标记为 False Positive(FP)

Accuracy , Precision ,Recall

设样本 \(i\) 的真实标签 \(x_i\),网络输出的置信度为 $ y_i $

准确率Accuracy

\[
\frac{CorrectNum}{TotalNum}=\frac{TP+TN}{TotalNum}
\]

精确率Precision 判断对了多少个【都被模型判断为positive,其中判对了多少个】

\[
p(t)=P(x_i \in C\ |\ y_i \ge t ) = \frac{TP}{TP+FP}=\frac{TP}{all\ detections}
\]

召回率Recall positive找到了多少个 【在真实标签为positive的所有样本中,找到了多少个】

\[
r(t)=P(y_i \ge t \ | \ x_i \in C) = \frac{TP}{TP+FN}=\frac{TP}{all\ groundtruth}
\]

https://blog.csdn.net/asasasaababab/article/details/79994920 这里有解释为什么不能直接用准确率accuracy:

  • 主要是因为类别不平衡问题,如果大部分是negative的 而且大部分模型都很容易判别出来,那准确率都很高, 没有区分度,也没有实际意义(因为negative不是我们感兴趣的)

Precision vs Accuracy

Precision 查准率,针对某一类别,没有说明具体类别的precision是没有意义的,在二分类问题中默认是正样本的precision (比如在目标检测里面针对的是positive类别)

Accuracy 准确率,计算的是分类正确个数占全体样本的比例,针对的是所有类别

Average Precision

平均精确率Average Precision

\[
AP = \frac{1}{11}\sum_{r\in \{0, 0.1, 0.2, ..., 1\}} p_{interp}(r) \\
p_{interp}(r) = max_{\hat r:\hat r \ge r} p(\hat r)
\]

  • 解释第二个式子:r的取值从 0到1 以0.1为间距,共11个取值。从某个r开始 从所有比r大的值中选择某个作为阈值t 计算精度,返回精度的最大值

  • \(AP_{2D}\): 在图像平面上计算的AP 记为\(AP_{2D}\)

3D detection中还会涉及到以下指标:

  • \(AP_{BV}\):将3D检测投影到BEV视角,然后计算\(AP_{BV}\) ,能够避免不同物体投影到2D可能会重叠的情况

  • \(AP_{3D}\):直接计算3D bbox和ground-truth bbox的IoU,但是仍然无法精确衡量bbox方向的精确率

PR曲线

Precision-Recall Curve

  • Recall是横轴, Precision是纵轴,随着Recall的增大,Precision会下降,因为为了使模型找得更全(high recall),可能需要检测更多物体,从而可能有很多false positive(使得precision下降)

  • 以rank为例,计算 每新增一个样本之后,当前序列的precision和recall https://blog.csdn.net/asasasaababab/article/details/79994920 这里有给出图片例子

  • 怎么画的?插值

  • 【局限】只比较不同模型的曲线有时候很难分辨,因为不同的曲线可能经常会交叉,考虑用AP(其实就是曲线和坐标轴围成的面积,是一个数值,可以更直观比较)

AP计算 Average Precision

两种方式:11点插值,或是计算面积(AUC Area Under Precision-Recall Curve)

  • 11点插值:把recall从 0~1 每隔 0.1 取端点 共11个,每个端点对应 \(p_{interp}(r)\) 计算公式如上

    • 对于一批样本个数为 n 的数据,可以计算出 n 个 precision 和 recall:

      • 当处理第一张图,统计第一张图里的 \(TP_1\) 和 \(FP_1\)

      • 到下一张图时,统计前两张图总共的 \(TP_2\) 和 \(FP_2\)

      • 同理,到第 k 张图时,统计前 k 张图总共的 $TP_k $ 和 \(FP_k\)

      • 用这n个 \(TP\) 和 \(FP\) 可以计算出 n 个precision 和 recall (其实就是 前1张图的precision\recall,前2张图的precision\recall, ....)

      • 最后用这n个precision和recall去做11点插值,得到 recall 在 11 个取值下对应的 precision,用这个 recall 和 precision就可以画出PR曲线

  • 计算面积:将曲线平滑成直角折线,从而计算曲线与坐标轴的面积近似于对每小块矩形面积求和

https://github.com/rafaelpadilla/Object-Detection-Metrics

mAP

目标检测中衡量识别精度的指标是mAP(mean average precision)

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


参考资料

https://blog.csdn.net/asasasaababab/article/details/79994920

https://github.com/rafaelpadilla/Object-Detection-Metrics

上一篇:360浏览器下jquery.validate.unobtrusive的日期验证问题


下一篇:Python全栈之路-Day32