多分类问题中的mAP计算

图表参考http://blog.sina.com.cn/s/blog_9db078090102whzw.html


       比如有10类,20个样本,判断为其中一类car的置信度如下表所示,降序排列。


      从表中gt_label可以看出正例是6个,其他是负例。PASCAL VOC CHALLENGE 2010年后计算AP的方法是:假设N个样本中有M个正例,如上表我们N20M6,则有6recall值,分别为1/6,2/6,3/6,4/6,5/6,6/6。对于每个recall值,都对应着很多种top取法,所以每个recall值对应的诸多取法中(包括等于此recall的取法)有一个最大的precision,把每种recall对应最大的precision求和取平均即AP

   比如2/6recall,查找上表,能得到recall2/6值的种类:从第2个开始到第5个,而到上表第6个,因为对应的是正例,所以就不是recall2/6的范围了(因为前面已经有2个正例,如果再加一个正例,recall值就是3/6了),这几个取法对应最大的precision是2/2。同理,recall 4/6的取法就是第四个正例开始(4/7)到第5个正例前(4/10)之间的范围,对应最大的pricision是4/7。如下表


所以mAP就是10个种类的AP求平均值。

猜你喜欢

转载自blog.csdn.net/hai008007/article/details/80074810