通俗地解释目标检测mAP评价指标

最新推荐文章于 2026-04-28 23:31:04 发布
原创 最新推荐文章于 2026-04-28 23:31:04 发布 · 1.9k 阅读 · 5
mAP（平均精度）是衡量目标检测效果的关键指标，用于评估多分类目标检测任务。该指标关注的是同时检测图像中的多个物体及其位置。文章介绍了GroundTruth、IoU、Precision和Recall等关键概念，并简述了mAP的计算过程。

看了一大堆博客，自己总结了一部分

《目标检测评测指标mAP及计算[译]》，这篇博文很好，本文很多图片引用自它

1. 首先我们来看看mAP是个什么东西，用来干啥

平均精度(mAP, Mean Average Precision)是目标检测问题中最常用的评测指标。这个指标是用来评价多分类目标检测的。
啥是多目标检测？
例如你想在一张图上同时检测出猫、狗、鸭子，这就是多目标检测（当然还得检测出他们的位置在哪儿）

在这里插入图片描述

目标检测问题同时包括图片中目标物体的定位和物体的分类：
也就是说，我们不仅要检测出这张图里有哪几个东西，还得知道东西在哪

2. 知识点及术语

2.1 GroundTruth
GroundTruth就是指带标签的原始数据

例如，这是我们的训练集、验证集、测试集中的某个样本：
在这里插入图片描述

Class X coordinate Y coordinate Box Width Box Height
Dog
最低0.47元/天 解锁文章
性能指标（模型评估）之mAP
秋人别院
08-26 8万+
为什么性能指标用于评价模型的好坏，当然使用不同的性能指标对模型进行评价往往会有不同的结果，也就是说模型的好坏是“相对”的，什么样的模型好的，不仅取决于算法和数据，还决定于任务需求。因此，选取一个合理的模型评价指标是非常有必要的。错误率 & 精度针对数据集DD和学习器ff而言：1、错误率：分类错误的样本数占总样本的比例 E(f;D)=1m∑i=1mI(f(xi)≠yi) E(f;D)=\frac 1
目标检测重要评价指标——mAP的含义及计算
AI_eNyu的博客
04-23 1万+
目标检测常见评价指标 1. 公开数据集 评价标准：pascal voc, coco,目前基本都在使用coco数据集。 2.评价指标 mAP: mean Average Precision, 即给类别AP的平均值。 理论知识： TP（True Positive）:IoU>0.5的检测框数量 （同一个Ground Truth 只计算一次） FP(False Positive): IoU<=0.5的检测框（或者是检测到同一个GT的多余检测框的数量） FN（False Negative）: 没有检测到
YOLO目标检测算法与mAP评估指标详解（附示例）
最新发布
2201_75420345的博客
04-28 1002
《YOLO算法与目标检测评估指标详解》摘要：本文系统介绍了YOLO目标检测算法的核心思想，对比分析了单阶段（YOLO/SSD）与双阶段（R-CNN系列）检测方法在速度、精度上的差异。重点讲解了目标检测关键评估指标mAP的计算方法，涵盖IOU、精确率、召回率等核心概念，并通过具体示例演示了TP/FP/FN的判定过程。文章还详细阐述了P-R曲线的绘制原理和mAP的计算流程，帮助读者深入理解目标检测模型的性能评估体系。全文兼顾理论讲解与实践示例，适合目标检测初学者系统学习基础概念，也为进阶研究者提供了清晰的评估指
了解目标检测领域的评估指标mAP
Just_do_myself的博客
03-02 2434
TP：IOU>0.5的检测框数量 FP：IOU<=0.5的检测框数量，也包含检测到同一GT的重复检测框数量 FN：未被检测到的GT数量 Precision=TP/(TP+FP) Recall=TP/(TP+FN) PR曲线：Precision-Recall曲线 AP：PR曲线下的面积 mAP：各类别AP的平均值 ...
机器学习：mAP评价指标
热门推荐
JacksonKim的博客
05-28 8万+
一、前言 mAP是目标检测模型中常用的评价指标，它的英文全称是(Mean Average Precision)，翻译过来就是平均精确率的平均。 首先我们需要知道精确率(Precision)和召回率(Recall)，也称为查准率和查全率的定义 Precision衡量你的预测有多准确。也就是说，你的预测正确的百分比。 Recall衡量您发现所有正例的能力。 例如，我们可以在前K个预测中找到80％的正例。 下面是它们的数学定义： 如果对此不太清楚，具体介绍请看精确率和召回率的介绍。 接下来我们需要知道交并比Io
目标检测算法的评估指标：mAP定义及计算方式
Hanson的博客
07-20 1万+
是预测为正实际为正占预测为正的比例，Precision可以视作是模型找出来的数据的正确能力，Precision=1表示模型找一个对一个，Presicion=0.5表示模型找出2个，能对1个。是预测为正实际为正占总体正样本的比例，Recall可以视作是模型在数据集中，检测出目标类型数据的能力，即是否把想找出来的都找出来了，Recall=1表示已经把想找出来的数据全部找出来了。，有60个正样本，40个负样本，系统预测了50个正样本，其中40个是预测正确的正样本；由此可见，优化模式的检测能力，本质是。
目标检测评价指标（一文看懂）
Vodka_Lou的博客
06-11 1万+
目标检测评价指标之——Precision，Recall，IOU，AP，mAP 看了一些介绍目标检测评价指标的文章，在此做一个小总结，供大家参考。 文章目录目标检测评价指标之——Precision，Recall，IOU，AP，mAP一、置信度是什么？二、IOU与TP、FP、FN三、Precision、Recall、AP和mAP1.Precision2.Recall3.AP值和PR曲线4.mAP值总结 一、置信度是什么？ 不是在讲目标检测评价指标吗？怎么又在说置信度了？博主莫不是在逗我们玩？不看了，下一篇
目标检测中算法评价指标FPS和mAp的原理和代码实现
哆啦A梦爱学习的博客
10-13 3万+
点击上方“码农的后花园”，选择“星标”公众号精选文章，第一时间送达FPS和mAP是目标检测算法的两个重要评估指标,FPS是用来评估目标检测的速度，即每秒内可以处理的图片数量或者处理一...
目标检测mAP计算以及coco评价标准
weixin_42396719的博客
12-08 2629
所以说仅通过precision这个参数是无法评判我们检测网络的一个好坏的。此时呢我们只需要保留我们precision值最大的这个情况就可以了。同样在我们第二个点的位置及其以下中寻找precision最大的值。我们的precision呢就是说在我们模型预测的所有目标当中。那么这个app呢也是我们coco数据当中的一个最主要的一个。其实就是以iou的阈值取0.5的时候计算的ap的一个数值。所以仅通过recall也是无法评判我们模型的好坏的。那么这个图中用阴影部分框柱的面积呢就是我们的AP了。
【详细解释深度学习图像分类&检测评价指标】准确率Accuracy、精确率Precision、召回率Recall、mAP等(一文搞懂，建议收藏)
cqy阳的博客
01-24 1万+
【详细解释深度学习图像分类&检测评价指标】准确率Accuracy、精确率Precision、召回率Recall、mAP等(一文搞懂，建议收藏)
【图像类知识学习】图像检测中的评价指标
weixin_44463519的博客
06-15 4594
1、准确率2、精确率3、召回率4、F1值5、AP值。
3D目标检测中常见的评价指标
m0_55649616的博客
07-07 3418
mAP可翻译为平均精确度（average precision）的平均（mean）也称全类平均精度。它由平均精度（mAP）、平均平移误差（ATE）、平均尺度误差（ASE）、平均方向误差（AOE）、平均速度误差（AVE）和平均属性误差（AAE）组成。Precision-Recall曲线是一个二维曲线，其中x轴表示召回率（Recall），y轴表示精度（Precision）。Average Scale Error, 平均尺度误差(ASE) 是1 - IoU, 其中IoU 是角度对齐后的三维交并比。
机器学习算法五之 目标检测评价指标 IOU 准确率 召回率等
yohnyang的博客
08-29 2252
机器学习算法五之 目标检测评价指标 IOU 准确率 召回率等
目标检测如何计算召回率_目标检测评价指标mAP 精准率和召回率
weixin_35002851的博客
01-16 746
首先明确几个概念,精确率,召回率,准确率精确率precision召回率recall准确率accuracy以一个实际例子入手,假设我们有100个肿瘤病人. 95个良性肿瘤病人,5个恶性肿瘤病人. 我们有一个检测系统,去检测一个肿瘤病人是否为恶性.那么,对我们的系统来说,有100个样本,5个正样本,95个负样本.假设分布为1,1,1,1,1,0,0,.......(即前5个人为恶性,后95个为良性)....
map平均准确率_目标检测评价指标mAP 精准率和召回率
weixin_33901087的博客
01-27 1771
首先明确几个概念,精确率,召回率,准确率精确率precision召回率recall准确率accuracy以一个实际例子入手,假设我们有100个肿瘤病人. 95个良性肿瘤病人,5个恶性肿瘤病人. 我们有一个检测系统,去检测一个肿瘤病人是否为恶性. 那么,对我们的系统来说,有100个样本,5个正样本,95个负样本.假设分布为1,1,1,1,1,0,0,.......(即前5个人为恶性,后95个为良性)...
目标检测评价指标mAP 精准率和召回率
qq_40228031的博客
11-04 1097
目标检测评价指标mAP 精准率和召回率 首先明确几个概念,精确率,召回率,准确率 精确率precision 召回率recall 准确率accuracy 以一个实际例子入手,假设我们有100个肿瘤病人. 95个良性肿瘤病人,5个恶性肿瘤病人. 我们有一个检测系统,去检测一个肿瘤病人是否为恶性. 那么,对我们的系统来说,有100个样本,5个正样本,95个负样本.假设分布为1,1,1,1,1,0,0,.......(即前5个人为恶性,后95个为良性). 假设我们的系统预测如下1,0,0,1,1,1,0..
目标检测评估指标
慕溪同学的博客
03-06 4249
大家在看目标检测论文的时候，经常会遇到mAP@0.5或者mAP@[0.5:0.95]和精度等等评估指标，自己最开始在发论文的时候对这些品估指标也总是会产生惯性思维，导致很多概念会混淆，所以也是查阅很多文献和博客去理解，但是很多博主讲的其实也不够通俗，比较偏概念化，最后将自己的理解和查阅到的内容整理了一下并列举相关例子便于大家理解。mAP@0.5，这种形式表示在IOU阈值为0.5的情况下，mAP的值为多少。指的是被分配为负样本，而且分配对了的样本，代表的是被正确分类的负样本，在mAP评价指标中不会使用到。
最易懂的解释：目标检测中的评估指标（IoU，AP，mAP）
qq_58484580的博客
07-06 1886
IoU是用来衡量两个box的重合度的，值越大重合度越高，求法简单来说就是交集/并集。
PR曲线和mAP指标----分类模型指标，也可以推广用于目标检测语义分割等等用了分类的网络
ZJE
08-25 2209
目录 0.mAP是什么 1.准确率(Precision)和召回率(Recall)： 2. 用于目标检测任务 3.计算AP和mAP 0.mAP是什么 mAP原本是用来衡量不同置信度下，分类模型预测得到的预测数据的准确率和召回率的指标。但是也能用于目标检测和语义分割当中。 1.准确率(Precision)和召回率(Recall)： 准确率： 公式如下，可以看到，准确率的意义就是 在网络的预测结果中，究竟有多少是真的正？（找出来的对的比例） 通俗点来说，假设你是皇上，因为大内总管空..
目标检测算法指标（详细讲解+代码实现）
m0_74055982的博客
05-09 3689
在目标检测算法中，训练出一个模型，想要知道这个模型的效果怎么样，主要是从模型的指标得出的，指标不仅在论文还是在自己学习的过程中，都是十分重要的，下边就来详细介绍一下指标的这个概念。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值