准确率Precision
召回率Recall
其实这个翻译相当蛋疼。。。
recall最合理的翻译应该是 查全率
而Precision的最合理的翻译应该是查准率
这样就很容易理解了,假设一个班级有10个学生,5男5女
你用机器找女生,机器返回了一下结果:
| 男 | 女 | 女 | 男 | 女 | 男 |
那么查准率为:3/6 = 0.5(返回的6个结果只有3个正确
)
查全率为: 3/5 = 0.6 (所有女生有5个,但只找到3个
)
然后就是mAP的解释了,一张图可以说明:
在多个类别的检测中,算出召回率从0到1时的准确率(同一召回率取最高的准确率),计算准确率的平均值。然后对所有类别求平均就可以得到mAP了。
实际的detection比赛中,有多个benchmark。下图是COCO比赛的截图,截止到2017年10月5号:
% AP at IoU=0.50:0.05:0.95 (primary challenge metric)
% AP at IoU=0.50 (PASCAL VOC metric)
% AP at IoU=0.75 (strict metric)
% AP for small objects: area <
% AP for medium objects:
< area <
% AP for large objects: area >
1 % AR given 1 detection per image
10 % AR given 10 detections per image
100 % AR given 100 detections per image
% AR for small objects: area <
% AR for medium objects:
< area <
% AR for large objects: area >