![CoCo中AP与AR的详细含义](https://img-blog.csdnimg.cn/2019120213390183.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTQ4NTMzNA==,size_16,color_FFFFFF,t_70)
AP的含义和AR的本身含义就是查准率和查全率
这里的AP通过和IOU结合定义出两种分别:
1.当IOU大于0.5认定为真
2.当IOU大于0.75认定为真
3.从IOU大于0.5开始,每次增加0.05,分别认定为真,然后平均求得AP值
COCO数据集平均每张图片包含 3.5个类别和 7.7 个实例目标,仅有不到20%的图片只包含一个类别,仅有10%的图片包含一个实例目标。
COCO中包含大约 41% 的小目标 (area<32×32),34% 的中等目标 (32×32<area<96×96) 和24% 的大目标 (area>96×96),因此设置了针对三种目标的AP值,注意这里的AP没有明确说明计算方法,有知道的朋友可以评论告诉我。
对于AR的描述网上可查的都是如下,而COCO官网也没有明确说明:
AR 是指每张图片中,在给定固定数量的检测结果中的最大召回(maximum recall),在所有 IoUs 和全部类别上求平均值. AR与 proposal evaluation 中所使用的相同,但这里 AR 是按类别计算的.
理解实在无力,希望了解的朋友可以讲解一二
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)