目标检测理论(2)———精确度(查准率)、召回率(查全率)

根据上一篇随笔:目标检测理论(1),我们已经明白了两个概念:IOU(交并比)和NMS(非极大值抑制)。

 

  1. 这里我们继续介绍两个概念:
  • Precision(准确度):    模型预测的所有目标中,预测正确的比例。
  • Recall(召回率):          所有真实目标中,模型预测正确的目标比例。

 

  • 在目标检测中,其具体计算方法:
    •   TP(True Positive)  :   IoU>0.5的检测框数量(同一ground truth只算一次)
    •        FP(False Positive) :  IoU<=0.5的检测框数量(或者是检测到同一个ground truth的多余检测框的数量)
    •        FN  (False Negative)  :  没有检测到的 ground truth的数量

 因此,

  • Precision的计算方法为: TP/(TP+FP)
  • Recall的计算方法为:      TP/(TP+FN)
posted @   张幼安  阅读(1258)  评论(0编辑  收藏  举报
编辑推荐:
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
阅读排行:
· Manus重磅发布:全球首款通用AI代理技术深度解析与实战指南
· 被坑几百块钱后,我竟然真的恢复了删除的微信聊天记录!
· 没有Manus邀请码?试试免邀请码的MGX或者开源的OpenManus吧
· 园子的第一款AI主题卫衣上架——"HELLO! HOW CAN I ASSIST YOU TODAY
· 【自荐】一款简洁、开源的在线白板工具 Drawnix
历史上的今天:
2021-01-07 目标检测算法部署(坑2):YOLOv4测试——电脑插上GPU之后,无法开机,或者无法识别GPU信号,或者GPU无法传输信号至显示器
点击右上角即可分享
微信分享提示