Este artigo apresenta a diferença entre precisão e mAP em detalhes
Primeiro introduza TP, FP, TN e FN
Suponha que haja 60 amostras positivas e 40 amostras negativas no conjunto de dados ; queremos encontrar todas as amostras positivas, o sistema encontra 50 e apenas 40 delas são amostras positivas reais,
então podemos obter:
- TP: Preveja a classe positiva como a classe positiva número 40
- FN: Preveja a classe positiva como a classe negativa número 20
- FP: Preveja a classe negativa como a classe positiva número 10
- TN: Preveja a classe negativa como classe negativa número 30
Assim calculado a partir do TP, FP, TN e FN acima:
- Precisão = pares previstos/todos = (TP+TN)/(TP+FN+FP+TN) = 70%
- Precisão = TP/(TP+FP) = 80%
- Recall (rechamada) = TP/(TP+FN) = 2/3
Observação:
precisão e rechamada têm métodos de amostragem diferentes :
a taxa de rechamada é amostrada de amostras do mesmo rótulo no conjunto de dados; e a taxa de precisão é amostrada de amostras que foram previstas como da mesma categoria.
Explicação detalhada do AP
A categoria AP (precisão média)
AP é a área sob a curva PR. O cálculo específico pode ser visto na figura abaixo:
Esta é uma comparação entre a caixa de pré-seleção de julgamento e GT (Ground Truth).
Através desta figura, são marcadas as informações de predição de cada caixa candidata. (Aqui definimos IOU > 0,3 como True e menos de 0,3 como negativo)
A partir das informações da figura acima, desenhe a curva PR correspondente. Ao mesmo tempo, classifique de acordo com o nível de confiança para obter a tabela a seguir.
Marque esses pontos no sistema de coordenadas para obter a seguinte figura:
De acordo com as informações da figura acima, desenhe a curva PR correspondente conforme mostrado abaixo:
Calcular PA
mAP (precisão média média)
assume que existem muitas categorias de objetos no conjunto de dados, como carros, pessoas, sinais de trânsito, casas, animais e assim por diante.
Em seguida, cada item de informação de objeto terá sua informação de valor de AP, cuja média é calculada aqui.