目标检测性能指标和计算方法（Yolov5）

目标检测性能指标和计算方法

1、混淆矩阵（对分类结果进行衡量）

Precision：选择的点中预测正确的占多少
Recall：正确的点中有多少被选择

2、IoU（衡量预测的标准）

实际的物体所占空间，与预测的物体所占空间的交并比。

①IoU = 1，说明预测框和实际框很好的吻合。
②不妨设置IoU = 0.5为分界线：

• IoU >= 0.5时，为TP（重合率较高）【正样本】
• IoU < 0.5时，为FP（重合率比较低）
• FN：
• TN：

3、AP && mAP

①AP：衡量计算出来的模型在每个类别上的好坏。（0%-100%）
②mAP:衡量计算出来的模型在所有类别上的好坏，即AP的均值。（0%-100%）

• COCO的AP实际上相当于PASCAL中的mAP，COCO中的mAP有自己独特的计算方式。

IoU的值越大，准确度要求越高，所以数据的全面性会下降。

• IoU不同、物体规模不同、每张图片中含有的检测目标不同

• 与上面那张图对应，eg：APs，指小物体检测的AP值
• FPS：每秒的帧数，Frame per Second

• 求出每个方块的面积