2024-09-29 06:25:52 发布
网友
我有一个关于如何解释这个映射度量的问题,例如,如果一个对象检测器得到一个48的映射。这是一个好结果吗?或者,如果你的AP为50,这有什么不同吗
他又回到了IoU,是不是因为如果它是mAP50,这意味着它检测到的照片的IoU为50(几乎一半),因此图像不会检测到所有内容,但它会给出不可靠的结果
欢迎任何帮助
我建议你阅读这篇文章Intuition behind Average Precision and MAP[1]和Breaking Down Mean Average Precision (mAP),我觉得它们非常有用。但是,48或50 AP的区别在于,50 AP是更好的一点。这里是[1]的一小部分:
“例如,假设我们正在搜索一朵花的图像,并向我们的图像检索系统提供一张玫瑰的样本图片(查询),我们确实会返回一组排序的图像(从最有可能到最不可能)。通常不是所有的都是正确的。因此,我们计算每个正确返回的图像的精度,然后取平均值。如果我们返回的结果是
1, 0, 0, 1, 1, 1
然后,每个正确点的精度是:到目前为止(包括当前)遇到的正确图像数除以到目前为止看到的总图像数
1/1, 0, 0, 2/4, 3/5, 4/6
其中1是花的图像,而0不是。上面示例中的AP是0.6917。 一种简单的解释方法是产生零和一的组合,这将给出所需的AP: AP为0.5可能会产生如下结果:
0, 1, 0, 1, 0, 1, ...
其中,每秒钟的图像都是正确的,而AP为0.333时
0, 0, 1, 0, 0, 1, 0, 0, 1, ...
每三幅图像都是正确的……”
我建议你阅读这篇文章Intuition behind Average Precision and MAP[1]和Breaking Down Mean Average Precision (mAP),我觉得它们非常有用。但是,48或50 AP的区别在于,50 AP是更好的一点。这里是[1]的一小部分:
“例如,假设我们正在搜索一朵花的图像,并向我们的图像检索系统提供一张玫瑰的样本图片(查询),我们确实会返回一组排序的图像(从最有可能到最不可能)。通常不是所有的都是正确的。因此,我们计算每个正确返回的图像的精度,然后取平均值。如果我们返回的结果是
然后,每个正确点的精度是:到目前为止(包括当前)遇到的正确图像数除以到目前为止看到的总图像数
其中1是花的图像,而0不是。上面示例中的AP是0.6917。
一种简单的解释方法是产生零和一的组合,这将给出所需的AP: AP为0.5可能会产生如下结果:
其中,每秒钟的图像都是正确的,而AP为0.333时
每三幅图像都是正确的……”
相关问题 更多 >
编程相关推荐