假设100个样本,80个正例,20个负例,找出所有正样本,找出50个正例,50个正例中10个负例。
Precision:相对于正例样本,预测结果来说,则结果为40/50
Recall: 相对于正例样本来说,则结果为40/80
Accuracy 为所有预测对的结果,(40+10)/100
AP=每一类样本精确率所有和的平均
假设苹果类在第一次预测中有精确率3/5,第二次预测有2/5,第三4/5
AP=(3/5+2/5+4/5)/3;
mAP=所有类平均之和/类数 (表达的是模型的分类能力)
预测结果用IOU来算(如果和Ground truth IOU大于一个值就是正例)
在多目标检测中,P=(每一张图像中每一类各自预测的个数)/这类的总个数
AP=(一批图像中P)/这批图像
map=所有类平均之和
参考:https://blog.csdn.net/katherine_hsr/article/details/79266880