一些概念

  　　　　　　True   
Predict  True postive False postive  预测为正类
False negivate　　 True negivate  预测为负类
   真实为正类　　　 真实为负类   

　　precision–检测准确率 = tp/(tp + fp)

　　recall–漏检率（召回率）= tp/(tp + fn)

　　IOU( intersection-over-union)–表示网络预测框与标注框的重合程度

　　　　　

　　　　　　若黄框为网络的预测结果，绿框为标注结果，IOU=（黄∩绿）/（黄∪绿），在目标检测中，IOU大于某一阈值时认为目标被检测出来

　　mAP（mean average precision）–平均精度均值，衡量目标检测算法的精确度

　　　　多个类别物体检测中，每一个类别都可以根据recall和precision绘制一条曲线，AP就是该曲线下的面积，mAP是多个类别AP的平均值

版权声明：本文为lypniuyou原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/lypniuyou/p/9542891.html