一张图像的C类的P=图像正确预测(True Positives)的数量 除以 在图像中这一类的总目标数量。
1 AP
C类的平均精度=在验证集上所有的图像对于类C的精度值的和 除以 有类C这个目标的所有图像的数量。
2 MAP
MAP = 所有类别的平均精度求和 除以 所有的类别 。
3 IOU
loU(交并比)是模型所预测的检测框和真实(ground truth)的检测框的交集和并集之间的比例。
一张图像的C类的P=图像正确预测(True Positives)的数量 除以 在图像中这一类的总目标数量。
C类的平均精度=在验证集上所有的图像对于类C的精度值的和 除以 有类C这个目标的所有图像的数量。
MAP = 所有类别的平均精度求和 除以 所有的类别 。
loU(交并比)是模型所预测的检测框和真实(ground truth)的检测框的交集和并集之间的比例。