计算机视觉目标检测常用的一些评估指标 -凯发k8官方网

1.常用指标

1）每个检测物体的分类准确度；

2）预测框与真实框的重合度（iou）：如果设定iou的阈值为0.5，当一个预测框与一个真实框的iou值大于该阈值时，被判定为真阳（tp），反之被判定为假阳（fp）

3）模型是否找到图片中的所有物体（召回，recall）：如存在某些模型没有预测出的真实框称之为假阴（fn）。

4）综合得到map：在pascalvoc中，map是各类别ap的平均，precision
= tp / (tp fp)。

指预测框为true的数量比上所有预测框的数量

5）召回率：recall = tp / (tp fn)。指找到的某一类别物体的数量比上图像中所有这类物体的数量。

2. 详解：true positive，false positive，false negative和true negative：

true positive(tp)：既是正样本又被预测为正样本的个数，即检测正确，检测中的iou≥阈值。

false positive(fp)：负样本被预测为了正样本的个数，即检测错误，检测中的iou＜阈值。

false negative(fn)：既是负样本又被预测为负样本的个数，也即ground truth未被检测到。

true negative(tn)：正样本被预测为了负样本的个数。tn最后不会被应用于评价算法的性能。阈值和评价的尺度有关，通常被设定为0.5，0.75或者0.95。

3.详解：iou（intersection over union）

iou用于计算两个边界框之间的交集。它需要一个ground truth边界框bgt和一个预测边界框bp。通过应用iou，我们可以判断检测是否有效（tp）或不有效（fp）。

iou由预测边界框和ground truth边界框之间的重叠区域除以它们之间的结合区域得出：

4.性能指标

评价一个目标检测算法是否有效，我们通常关注精度和速度两个方面。精度的评价指标通常有两个：检测准确率（precision）以及召回率（recall）。速度的评价指标通常为检测速度（speed）。计算检测准确率和召回率的公式如下：

最常用的评价指标为检测平均精度( average precision，ap)，它被定义为正确识别的物体数占总识别的物体个数的百分数。而评估所有类别的检测准确度的指标为平均精度均值( mean average precision，map)，定义为所有类别检测的平均准确度，通常将map作为检测算法性能评估的最终指标。平均召回率( avreage recall，ar) 表示正确识别的物体数占测试集中识别的物体个数的百分数。此外，为了评估一个检测器的实时性，通常采用每秒处理帧数(frames per second，fps)指标评价其执行速度。fps值越大，说明检测器的实时性越好。【张索非】

总结

以上是凯发k8官方网为你收集整理的计算机视觉目标检测常用的一些评估指标的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得凯发k8官方网网站内容还不错，欢迎将凯发k8官方网推荐给好友。