目标检测评价指标（一文看懂）

Posted 2021-06-26 vodka、

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mAP
• • 1.Precision
  • 2.Recall
  • 3.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！（客官别急，容我慢慢道来）

  作为补偿，先给大家看个秋香压压惊，假设现在你是唐伯虎，你需要在一群人中找到秋香（检测人脸）。你们应该都已经找到了，并且很自信地肯定，绿色框内的人脸就是秋香本香，但是计算机没有这么自信呀，它只能够生成一系列预测框（红色框），每个框有一个置信度。这时候有小伙伴要问了，什么是置信度?
  这里给一个通俗的解释，置信度可以暂时理解为自信程度，类比到你自己，你们是不是很自信地认为绿色框框就是秋香的脸，如果你百分百肯定这个框就是秋香，那好，这个框框的置信度就为1。但是有些人没看过《唐伯虎点秋香》（给大家放个链接，欢迎大家试看五分钟，ps：腾讯打钱），只是听大家说秋香长得很漂亮，这时候有些人会觉得黄色框框里的人长得也挺漂亮，我觉得黄色框框内的人是秋香，但是又看看绿色框框，好像这个才是秋香，纠结来纠结去，一下子拿不定主意，所以现在的他显得有点不够自信了，不过他最终还是做出了如下判断。

  他认为，绿色框的人脸更漂亮一些，且又站在C位，所以有80%的信心认为此人是秋香，而黄色框的也有可能是秋香，但是他的信心没有那么足了，只有60%的信心认为黄色框内的人脸是秋香本人。想必现在大家对置信度有那么点概念了吧，没有概念的也没关系，慢慢听我道来。
  暂时先不看秋香，现在重新回到目标检测（秋香可以晚上在被窝慢慢看），目标检测过程中，往往最后会生成很多的预测框，每个预测框自身都会带一个置信度，用来衡量预测框内为目标（秋香）的自信程度，置信度越高，说明当前训练的模型对于这个框的结果越认可。这个认可的程度就被称为置信度。当然最权威的还是从统计学角度对置信度进行解释，这里给大家放一个传送门。

二、IOU与TP、FP、FN

  看到标题的小伙伴顿时不高兴了，不是说目标检测评价指标吗？不是说一文看懂吗？怎么又在说一些我不关心的事情，于是乎反手一个叉叉。（别急，再往下看看可以吗？我把美丽的秋香给你看！）

  上图中，绿色框A表示Ground Truth，也称GT，GT就是正确的标注。这个标注是由标注员进行标注的，就好比是期末考试的参考答案，老师告诉你这个A就是正确答案，因此所有答题结果都要往这个正确答案上靠，这样子你才能拿高分，对于目标检测任务来说，就是检测效果好。当然，不可能所有的答案都和参考答案一样，就好比我们上学的时候，不可能人人都拿100分，总有几个调皮捣蛋的孩子会不及格。因此将检测框和GT进行比较，就能够衡量一个模型好不好。那具体怎么比呢？这里就要引入一个IOU的概念了，什么是IOU（Intersection over Union），IOU中文也叫交并比，拿上图举例，就是A和B的交集C ：A和B的并集，数学公式如下：

  也就是上图中黄色区域C除以A和B所占的区域，IOU的值越大，说明预测结果与参考答案越接近，值越小说明检测结果越差。那IOU到底多大才好呢？当然根据不同的任务，IOU的阈值是可调的，如果你的要求比较严格，那么就可以把IOU的阈值调的大一些，要求比较低，可以把IOU调小一点。为了便于解释，本文取IOU = 0.5，如果预测框与真实框的IOU > 0.5，那么此预测框归为TP，如果0 < IOU <= 0.5，那么此预测框归为FP，如果IOU < 0 ，那么此预测框归为FN（计算IOU的Python代码看这）。可能现在有小伙伴蒙了，不着急，接着往下看。

  如上图所示，==注意：检测到同一个GT的多余检测框也归为FP，怎么解释呢？对于秋香图来说，只有秋香一个GT，可能这时候有若干个预测框都符合IOU > 0.5，那么此时只能取其中一个框作为TP，而剩余的检测框只能够归为FP。这是为什么呢？答：秋香只能属于唐伯虎一个人！

三、Precision、Recall、AP和mAP

  敲黑板，进入正题！进入正题！进入正题！（重要的事情说三遍）

1.Precision

  其中P代表Precision，可以翻译为精确率。有些小伙伴可能有点晕字母，什么TP，FP，TN，FN一股脑的过来，把人都整蒙了。首先我们需要弄清楚，英文首字母代表的是哪个单词。先记住P和N，P代表Positive，N代表Negative，中文的含义是正和负，正样本：Positive Samples，负样本：Negative Samples。其次是T和F，不是TFBoy啊！T代表True，F代表False。Positive是参考答案，那么True代表你做对了，False代表你做错了。做对了你就找到了秋香，没做对你可能找到的就是秋香的丫鬟！至于他们之间的具体关系，如果忘了的话，回过头去第二节再理理，反复几次就记住啦！

2.Recall

  其中R代表Recall，中文是召回率的意思，具体的字母含义同上。可能有人会问了，这两个指标之间有什么关系呢？单单有Precision难道不能评价目标检测的性能吗？其实Precision还有另一种翻译，叫做查准率，而Recall也叫查全率。Precision重点倾向于准不准（我能不能准确找到秋香），而Recall，举个不恰当的例子，当发生严重事故的时候，有许多不同程度受伤的人，那么这时候Precision就表示准确的判断这个人受了什么伤，更倾向于准确确定伤员病情。而Recall是查全率，表示查找这一个区域里到底有多少成员受伤了。毕竟在这种危急时刻，查找所有受伤的成员，并把他们解救出来是摆在首要位置的，这时候Recall的作用可能更为重要。这两个评价指标之间并没有孰好孰坏之分，只是在不同的场景之下，各有侧重罢了。

3.AP值和PR曲线

  在讲AP（Average Precision）之前想说说PR曲线，有了上节的铺垫，我们知道了P（Precision）和R（Recall）之间的关系。通过评价，我们可以得到一组PR值，反映在平面直角坐标系中，就是坐标系中的一个点。这里我引用一篇讲述PR曲线的博文。如下图所示：

  Inst#是样本序号，图中有20个样本。Class是Ground Truth 标签，p是Positive样本（正例）,n当然就是Negative（负例） Score是检测器对于该样本属于正例的可能性的打分。也就是我们所说的置信度。因为一般模型输出的不是0,1的标注，而是小数。
  然后设置一个从高到低的阈值y，大于等于阈值y的被我正式标注为正例，小于阈值y的被我正式标注为负例。显然，我设置n个阈值，我就能得到n种标注结果，评判我的模型好不好使。
   比如阈值0.9，只有第一个样本被我判断为正例，那么我的查准率precision就是100%，但是查全率Recall就是10%。阈值0.1，所有样本都被我判断为正例，查全率是100%，查准率就是50%。最后我能得到若干对precision，recall值(P,R) ： (1, 0.1)，… ，(0.5,1)，将这若干对画在图上，再连接起来就是这个PR曲线了。

  那么PR曲线所包含的左下角区域的面积就是AP值的大小。

4.mAP值

  有了AP的介绍，那mAP就很简单了。可以这么理解，AP就是大家找到秋香的平均准确率，那么大家找到春香，夏香，秋香，冬香的平均准确率就是AP1，AP2，AP3，AP4，除以四就是mAP的值了。

总结

  唐伯虎点秋香的故事今天就讲到这，目标检测评价指标的解释今天就讲到这，熬夜写博不易，欢迎在评论区交流讨论。