1.常用指標(biāo)

1）每個(gè)檢測物體的分類準(zhǔn)確度；

2）預(yù)測框與真實(shí)框的重合度（IOU）：如果設(shè)定IOU的閾值為0.5，當(dāng)一個(gè)預(yù)測框與一個(gè)真實(shí)框的IOU值大于該閾值時(shí)，被判定為真陽（TP），反之被判定為假陽（FP）

3）模型是否找到圖片中的所有物體（召回，recall）：如存在某些模型沒有預(yù)測出的真實(shí)框稱之為假陰（FN）。

4）綜合得到mAP：在PascalVOC中，mAP是各類別AP的平均，precision
= TP / (TP + FP)。

指預(yù)測框?yàn)閠rue的數(shù)量比上所有預(yù)測框的數(shù)量

5）召回率：recall = TP / (TP + FN)。指找到的某一類別物體的數(shù)量比上圖像中所有這類物體的數(shù)量。

2. 詳解：True Positive，False Positive，False Negative和True Negative：

True Positive(TP)：既是正樣本又被預(yù)測為正樣本的個(gè)數(shù)，即檢測正確，檢測中的IOU≥閾值。

False Positive(FP)：負(fù)樣本被預(yù)測為了正樣本的個(gè)數(shù)，即檢測錯(cuò)誤，檢測中的IOU＜閾值。

False Negative(FN)：既是負(fù)樣本又被預(yù)測為負(fù)樣本的個(gè)數(shù)，也即ground truth未被檢測到。

True Negative(TN)：正樣本被預(yù)測為了負(fù)樣本的個(gè)數(shù)。TN最后不會(huì)被應(yīng)用于評(píng)價(jià)算法的性能。閾值和評(píng)價(jià)的尺度有關(guān)，通常被設(shè)定為0.5，0.75或者0.95。

3.詳解：IOU（Intersection Over Union）

IOU用于計(jì)算兩個(gè)邊界框之間的交集。它需要一個(gè)ground truth邊界框Bgt和一個(gè)預(yù)測邊界框Bp。通過應(yīng)用IOU，我們可以判斷檢測是否有效（TP）或不有效（FP）。

IOU由預(yù)測邊界框和ground truth邊界框之間的重疊區(qū)域除以它們之間的結(jié)合區(qū)域得出：

4.性能指標(biāo)

評(píng)價(jià)一個(gè)目標(biāo)檢測算法是否有效，我們通常關(guān)注精度和速度兩個(gè)方面。精度的評(píng)價(jià)指標(biāo)通常有兩個(gè)：檢測準(zhǔn)確率（Precision）以及召回率（Recall）。速度的評(píng)價(jià)指標(biāo)通常為檢測速度（Speed）。計(jì)算檢測準(zhǔn)確率和召回率的公式如下：

最常用的評(píng)價(jià)指標(biāo)為檢測平均精度( Average Precision，AP)，它被定義為正確識(shí)別的物體數(shù)占總識(shí)別的物體個(gè)數(shù)的百分?jǐn)?shù)。而評(píng)估所有類別的檢測準(zhǔn)確度的指標(biāo)為平均精度均值( Mean Average Precision，mAP)，定義為所有類別檢測的平均準(zhǔn)確度，通常將mAP作為檢測算法性能評(píng)估的最終指標(biāo)。平均召回率( Avreage Recall，AR) 表示正確識(shí)別的物體數(shù)占測試集中識(shí)別的物體個(gè)數(shù)的百分?jǐn)?shù)。此外，為了評(píng)估一個(gè)檢測器的實(shí)時(shí)性，通常采用每秒處理幀數(shù)(Frames Per Second，FPS)指標(biāo)評(píng)價(jià)其執(zhí)行速度。FPS值越大，說明檢測器的實(shí)時(shí)性越好?！緩埶鞣恰?br />

總結(jié)

以上是生活随笔為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內(nèi)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(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。