睿智的目标检测2——mAP的概念

朱雀 2023-06-05 11:08 160阅读 0赞

### 睿智的目标检测2——mAP的概念 ###

*  学习前言
 *  什么是TP、TN、FP、FN
 *  什么是Precision和Recall
 *  什么是mAP

# 学习前言 #

在Github上我们可以看到许多模型，他们都有mAP值的评价指标，如下图所示：  
![在这里插入图片描述][2019100821541052.png_pic_center]  
这到底是个啥呢？我查了好久的资料……  
![在这里插入图片描述][20190723165901974.jpg_pic_center]

# 什么是TP、TN、FP、FN #

TP的英文全称为True Positives，其指的是**被分配为正样本，而且分配对了**的样本，代表的是**被正确分类的正样本**，。  
TN的英文全称为，其指的是**被分配为负样本，而且分配对了**的样本，代表的是**被正确分类的负样本**。  
FP的英文全称为False Positives，其指的是**被分配为正样本，但分配错了**的样本，代表的是**被错误分类的负样本**。  
FP的英文全称为False Negatives，其指的是**被分配为负样本，但分配错了**的样本，代表的是**被错误分类的正样本**。  
![True Negatives][]

# 什么是Precision和Recall #

Precision指的是精度；  
Recall指的是召回率。  
两个分别代表什么意思呢？  
![在这里插入图片描述][2019100823560849.png_pic_center]  
Precision的具体含义是：**分类器认为是正类**并且**确实是正类的部分**占**分类器认为是正类**的比例  
![在这里插入图片描述][20191008235645126.png_pic_center]  
Recall的具体含义是：**分类器认为是正类**并且**确实是正类的部分**占**所有确实是正类**的比例。

# 什么是mAP #

说到mAP，也要说到，AP是什么。

说到AP，就要联系到上一部分所说的Precision和Recall。

对于目标检测而言任务，**每一个类都可以计算出其Precision和Recall**，通过合理的计算，每个类都可以**得到一条P-R曲线**，**曲线下的面积就是AP的值。**

假设存在**M张图片**，对于其中一张图片而言，其具有**N个检测目标**，其具有**K个检测类**，使用检测器得到了**S个Bounding Box(BB)**，每个BB里包含**BB所在的位置**以及**对于K个类的得分C**。  
利用**BB所在的位置**可以得到**与其对应的GroundTruth的IOU值。**

**1、步骤1：**  
对于**每一个类I而言**，我们执行以下步骤：

对所有的BB，计算**BB所在的位置与其最对应的GroundTruth的IOU值，**，记为**MaxIOU**，此时再设置**一个门限threshold，一般设置为0.5**。  
当**MaxIOU<threshold**，认为该**预测框无真实框与其对应**，  
此时可以记录其**属于False Positive，使其FPi = 1，并记录其属于类I的分数C**。

当**MaxIOU>threshold**，认为该**预测框与该真实框最对应**；  
此时再分两类：  
当该框的**类别属于类型I时**，此时可以记录其**属于True Positive，使其TPi = 1，并记录其属于类I的分数C**。  
当该框的**类别不属于类型I时**，此时可以记录其**属于False Positive，使其FPi = 1，并记录其属于类I的分数C**。

**2、步骤2：**  
由步骤1我们可以得到**K \* S**个**分数C 和 TP 和 FP**的元祖，在python中，我们可以将其构成形如(C,TP, FP)的元组，对这**K \* S**个元祖按照得分C进行排序。

**3、步骤3**  
**将得分从大到小排序后进行截取**，截取得分最大的S个，通过该步骤**可以获得每个框是否成功对应了自己所属的类**，计算每次截取所获得的recall和precision。  
![在这里插入图片描述][2019100823560849.png_pic_center]  
![在这里插入图片描述][20191008235645126.png_pic_center]  
（此处Recall所用的TP+FN = N（一张图片所具有的N的目标，所有确实是正类的数量））  
这样得到S个recall和precision点，便画出PR曲线了。

通过PR曲线便可以得到AP值。

而mAP就是对所有的AP值进行求平均即可。

**有不懂的朋友可以评论询问噢。**

[2019100821541052.png_pic_center]: /images/20230601/1662f5e33ae14a39b3154d28872eb0bb.png
[20190723165901974.jpg_pic_center]: /images/20230601/986766b07ba3413b9aa8af29d3ee44db.png
[True Negatives]: /images/20230601/4dce46e61c3945829a88340aabdb1b23.png
[2019100823560849.png_pic_center]: /images/20230601/b3144a3a4dc0447c89176e3b156aacae.png
[20191008235645126.png_pic_center]: /images/20230601/0d092928627749a39a80f48666b14117.png