mAP

? ? ? ? 在評價一個檢測算法的時候，主要看兩個標準，即是否正確預測了框內的物體類別；預測的框和人工標注框的重合程度。這兩個的量化指標分別是mAP（mean Average Precision）和IOU（Intersection Over Union）。

? ? ? ? mAP中文翻譯過來叫做平均精度均值，其中AP為平均精度（Average Precision），mAP是把每個類別的AP都單獨拿出來，然后計算所有類別AP的平均值，代表著對檢測到的目標平均精度的一個綜合評價。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 平均精度均值=所有類別的平均精度值之和/所有類別的數(shù)目

當我們比較 mAP 值的時候要記得幾個重要的點：

mAP 總是在固定的數(shù)據(jù)集上進行計算。

mAP 并不是量化模型輸出的絕對度量，但它是一個不錯的相對度量。當我們在流行的公開數(shù)據(jù)集上計算這個度量時，它可以很容易地被用來比較目標檢測的新老方法的性能好壞，因此我們并不需要一個絕對度量。

根據(jù)不同的類別在訓練數(shù)據(jù)中的分布情況不同，平均精度值可能對于某些類別（這些類別有很好的訓練數(shù)據(jù)）非常高，然后對于某些類別（這些類別有更少的數(shù)據(jù)或者壞數(shù)據(jù)）可能非常低。所以，你的 mAP 值可能看上去還不錯，但是你的模型可能只對某些類別較好，而對某些類別的效果非常差。因此，當分析你的模型結果時，最好單獨類別的平均精度值。這些值過低的話可能意味著需要添加更多的訓練樣本了。

IoU

? ? ? ? 交并比是預測邊界框和參考邊界框的交集和并集之間的比率。這個統(tǒng)計量也叫做 Jaccard 指數(shù)（Jaccard Index），是由 Paul Jaccard 在 20 世紀初首次提出的，IOU用來衡量預測的物體框和真實框的重合程度，計算方法如下：

? ? ? ? 重合度的計算方法， 用兩個框的重合面積除以兩個框并集所占面積，所以叫做交并比，評價一個算法的時候，一種常見的方法是先設定一個IOU閾值，最常用的閾值是0.5：如果 IoU > 0.5，那么認為這是一個正確檢測，否則認為這是一個錯誤檢測。只要算法找到的框的IOU大于這個閾值，就是一個有效的檢測，把結果拿來計算mAP作為最終的評價指標。

?

?

?

?

?

參考：

https://www.sohu.com/a/232474201_633698

?

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結

以上是生活随笔為你收集整理的mAP与IOU的简单介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。