前言
最近开始接触目标检测(object detection)但是对于衡量算法好坏的mAP(Mean Average Precision)并不太理解,经过了一番整理,下面我们就来看看什么是mAP。
在目标检测算法中,像是Faster R-CNN, SSD等等,mAP都可以很好的用来衡量这些算法的精确度。
简介
首先我们看看AP,也就是average precision,平均准确率。其实一开始看到这个概念我是有些迷惑的,什么叫做平均准确率,那为什么又要加上平均呢?哈哈,这里先卖个关子,后面会解释~
那么AP是什么呢,举个栗子,我们在做检测的时候肯定不是只有一张图片,一定是一个数据集里面的一堆数据进行训练,然后测试。那么在一堆数据里面,假设有人这个类别,那么肯定,每张图片的人我们都会得到一个准确率,把所有人的类别准确率相加平均,就是AP啦。
那么mAP呢?容许我继续卖个关子,我们看看引入mAP的原因,相信大家就会理解mAP是什么以及引入的原因啦~
引入mAP原因
相信有很多小伙伴刚刚接触目标检测的时候,一定和我一样,会不由得想到为什么我们要引入一个如此‘’麻烦‘’的数据作为检测网络的衡量标准呢?
原因其实很简单,因为我们检测的不仅仅是某一类数据
打一个比方,比如说有一个负责检测‘人’和‘狗’的目标检测网络,它对于‘人’这个类别的识别准确率(特别注意一下这里