准确率，召回率，mAP(mean average precision)解释

一个新新的小白

1401人浏览 · 2019-02-21 17:08:59

一个新新的小白 · 2019-02-21 17:08:59 发布

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：
图片名称

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：

COCO

AveragePrecision(AP): % AP at IoU=0.75 (strict metric)

APAcrossScales:

AverageRecall(AR):¹⁰⁰ % AR given 100 detections per image

ARAcrossScales:

乐奇 Rokid 开放社区

更多推荐

Meta 发布个人 AI 智能体 Muse：能替你办事，但安全这关还没过

北京时间 9 月 9 日，Meta 正式发布旗下首款个人 AI 智能体（内部代号 Hatch）。据路透社、IT之家等报道，它不再只是一个"陪聊"的对话助手，而是能自主代表用户完成等真实任务。初期仅在美国上线，可通过专门的 Muse 应用或 WhatsApp 使用，Meta 称"很快"还会把它接入智能眼镜产品线。