【DL】P, AP, mAP

Backto ML Index

这几个评价标准, 通常都是用在 CV 领域.

P: Precision 精度

一个模型的准确率指的是对 一张图像而言, 正确预测的某个类别的数量除以这张图像中这个类别的总数

$P_C = \frac {N(\text{TruePositives})_C}{N(\text{TotalObjects})_C}$

比如一张猫的图像,

• 图像中只有 1 只cat, 检测出来有一只 cat, P = 1, 没有检测出来 P = 0
• 图像中有 5 只 cats, 检测出来4只, P = 4/5 = 0.8

AP: Average P 平均精度

指的是对于 $C$ 类而言, 在验证集上所有的图像对于类 $C$ 的 P 的平均值.
$AP_C = \frac {\sum P_C} {N(\text{TotalImages})_C}$

比如三张图片做测试集, P1 = 1, P2=0,5, P3 = 0.3, AP = (P1+P2+P3)/3 = 0.6

mAP: mean AP 所有类别的平均精度

$mAP = \frac {\sum AP_C} {N(\text{Classes})}$
好了, 多个类别的检测, $AP_{cat} = 0.6, AP_{dog} = 0.8, mAP = (AP_{cat} + AP_{dog})/2 = 0.7$

Ref

• AP、MAP、IOU: 本文采用的这种说法
• 深度学习: mAP (Mean Average Precision): 这个说的很玄乎, 不知道对错