2021年8月28日 星期六

mAP

 

mAP (mean Average Precision) for Object Detection



先依預測出來的某一類別所有 bounding box, 依照其confidence 由大到小排序
  • 檢查是否答對 (根據IoU的值決定是否答對)  mAP@0.5 , 0.5 即是IoU須達到的門檻值,才認是是答對
  • 針對這一堆bounding box (己排序) ,同時計算此類別的 Recall 及 Precision
  • 在不同的recall 下(由0到1), 所對應的precision 所形成的面積,即為此類別的Average Precision,面積為 0~1的值
  • 對所有的類別Average Precision值加總取平均, 即是mAP , 為此表示此模型在預測各種類別的平均能力

沒有留言 :

張貼留言