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
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
类而言, 在验证集上所有的图像对于类
的 P 的平均值.
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
好了, 多个类别的检测,
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