mAP在目标检测中用于判断识别的准确率,即用于衡量物品被检测出的概率,其跟以下两个指标有关:
对于以上两个概念,将其置于标准二分类问题框架下有以下公式:
$$
Precision = \cfrac{TP}{TP+FP} \\
Recall = \cfrac{TP}{TP+FN}
$$
对于以上,有:
对于不同的识别阈值,Precision和Recall会发生变化,选取多个阈值(不重新训练模型),可以获得多组Precision和Recall,将这数据绘制图像,横轴为Recall,纵轴为Precision,曲线下的面积为参数AP
map.png
多次测试取平均值即为参数mAP值,该值越大说明系统性能越强
通俗来说,IOU用于衡量目标检测中目标框的准不准,其定义为:
$$
IOU = \cfrac{A \bigcap B}{A \bigcup B}
$$
其中A为系统预测出的框,B为数据本身的标注框,IOU衡量了预测出的框和原来的框的重叠程度,如下图所示,IOU就是阴影部分面积比整个AB组合的面积。
iou.png