Descargo de responsabilidad: El siguiente contenido es mi opinión personal. Si tiene alguna pregunta, ¡no dude en corregirme!
AP (Precisión promedio) es un indicador común en la detección de objetivos.
1. Tasa de precisión y tasa de recuperación
Hablando de AP, tenemos que mencionar la precisión y el recuerdo. Primero, veamos sus fórmulas de cálculo.
Exactitud:
Tasa de recuperación:
Entre ellos, TP, FP y FN provienen de una matriz de confusión, aquí no mostramos la definición de esta matriz de confusión, hablamos directamente de las definiciones de estas variables.
TP: el número correcto de resultados emitidos por el detector
FP: el número de errores en los resultados de salida del detector.
FN: número de elementos no descubiertos en la verdad fundamental, FN = número total de verdad fundamental - TP
Se puede ver que la parte denominador de la tasa de precisión es el número total de fotogramas de esta categoría detectados por el detector; la parte denominador de la tasa de recuperación es el número total de fotogramas de esta categoría dados por la verdad fundamental.
En términos sencillos: la tasa de precisión indica cuántos de los fotogramas encontrados por el detector son correctos y mide el grado de detección falsa. La tasa de recuperación indica qué porcentaje de la verdad del terreno representan los fotogramas correctos encontrados por el detector y mide el grado de detección perdida.
Por ejemplo:
Para una determinada categoría, la salida del detector tiene 5 casillas, 3 de las cuales son correctas y 2 incorrectas. Hay 10 cuadros en esta categoría en esta imagen.
Disponibles: TP = 3, FP = 2, FN = 7
Exactitud
tasa de recuperación
Podemos imaginar las siguientes dos situaciones extremas:
Cuando a un detector se le asigna una gran cantidad de cuadros de objetivos, encontrará fácilmente toda la verdad sobre el terreno, es decir, lanzará una amplia red. Entonces su tasa de recuperación será del 100% y su tasa de precisión será muy baja.
Cuando un detector solo detecta un objetivo, y este objetivo es correcto, pero la verdad del terreno tiene 10 objetivos. Entonces su tasa de precisión será del 100% y su tasa de recuperación será muy baja.
A partir de estas dos situaciones, podemos saber que existe una cierta contradicción entre precisión y recuperación.
Entonces, ¿hay algún indicador que pueda combinar precisión y recuperación? Entonces AP subirá al escenario ~
2. Curva PR
Muchas definiciones de AP dicen que AP es el área bajo la curva PR. Entonces, ¿qué es la curva PR? ¿Cómo se dibuja?
La curva PR es la curva de recuperación de precisión. Su proceso de dibujo será más simple si usamos un ejemplo para ilustrarla. Este ejemplo proviene de (AP en detección de objetivos, mAP ). Las imágenes relacionadas con el siguiente ejemplo también son de aquí. Si hay alguna infracción, eliminé mi propio dibujo...
Supongamos que hay 5 objetivos para detectar en una imagen y nuestro detector da 10 cuadros. Ordene según la confianza de los cuadros de mayor a menor y obtenga lo siguiente mesa (imagen):
En la tabla, la columna Clasificación representa el número de secuencia de los cuadros ordenados de mayor a menor confianza, correcto representa si el cuadro es correcto, Precisión representa la tasa de precisión calculada y Recuperación representa la tasa de recuperación calculada.
El cálculo de precisión y recuperación es un proceso acumulativo continuo, más que independiente para cada casilla.
Por ejemplo:
En el primer cuadro, precisión = 1/1 = 1,0, recuperación = 1/5 = 0,2;
En el segundo cuadro, precisión = 2/2 = 1,0, recuperación = 2/5 = 0,4;
En el tercer cuadro, precisión = 2/3 = 0,67, recuperación = 2/5 = 0,4;
……
En este momento, podemos dibujar la curva PR según la tasa de precisión y la tasa de recuperación:
En este momento necesitamos encontrar la tasa de precisión promedio, que es igual al área promedio bajo la curva de la curva.
3. Cálculo de AP
Según la explicación anterior, el cálculo de AP debería ser muy simple: encontrar el área bajo la curva es similar a integrar. Debido a que los datos son discretos, generalmente se establecen puntos de muestreo. Generalmente, el eje horizontal se divide en un promedio de 10 o 100 segmentos dentro del rango de 0 a 1. Los valores muestreados finales se suman y se dividen por el número de puntos de muestreo. . En la mayoría de los estándares, las curvas se suavizan para facilitar los cálculos, eliminando el problema de la interpolación.
4. mapa
El indicador mAP se puede ver en tareas de detección de objetivos de múltiples categorías. m es el promedio medio, que se refiere al AP promedio de todas las categorías.