目标检测常用评价指标

本文主要参考陈恺大佬在B站商汤账号的介绍mmdetection的视频。

检测结果的正确/错误类型

真阳性（Ture Positive）：算法检测到了某类物体（Positive），而实际图中也确实有这个物体，检测结果正确（True）。

假阳性（False Positive）：算法检测到了某类物体（Postive），但是图中没有这个物体，检测结果错误（False）。 又称为误检

假阴性（False Negtive）：算法没有检测到某类物体（Negtive），但是图中有这个物体，检测结果错误（False）。 又称为漏检

左下实线框中确实有只猫，也检测到了，即TP。

右下实线框内没有物体，但是检测到了，即FP。

右上虚线框内有屏幕，但是没有检测到，即FN。

实际上，二元的混淆矩阵是这样的：

一定要注意：初次面对这些概念时，两个字母表示四种可能性，可能会自然而然地认为前后字母分别代表真实值和预测值的真假，但实际上不是这样的。

P/N确实是表示预测值是真或假，而T/F可不是表示真实值的真或假。T/P 和 F/N 的真正含义是：

T/F：表示预测的对不对，代表的是预测值与真实值之间的关系P/N：表示预测值是真还是假，代表模型对某个样本的预测结果

这个一定要弄清楚，别被混淆矩阵把自己搞“混淆”了。

准确率Precision与召回率Recall

召回率=正确结果总数真值框总数，即Recall=TPTP+FN召回率=\frac{正确结果总数}{真值框总数}， \ \ 即\ \ \ Recall=\frac{TP}{TP+FN} 召回率=真值框总数正确结果总数​，即Recall=TP+FNTP​

准确率=正确结果总数检测框总数，即Precision=TPTP+FP准确率=\frac{正确结果总数}{检测框总数}， \ \ 即\ \ \ Precision=\frac{TP}{TP+FP} 准确率=检测框总数正确结果总数​，即Precision=TP+FPTP​

真值框总数与检测算法无关，因此只需将检测结果区分为正确（TP）和误检（FP）即可计算recall和precision。

两种极端的情况：

检测器将所有的锚框都判断为物体，此时召回率 Recall≈100%Recall\approx100\%Recall≈100% ，但是大量的背景都被误检为物体，FP很高，导致准确率很低。检测器只将置信度最高的一个框检测为物体，当然有很大的几率是正确的，准确率 Precision≈100%Precision\approx100\%Precision≈100% ，但是大量的物体被漏检为背景，FN很高，导致召回率很低。

最理想的情况当然是召回率和准确率都为 100%，但在算法能力有限的现实情况下，我们应当尽可能地平衡二者。

通常做法是将检测框按照置信度排序，并设置一个置信度阈值，仅输出置信度大于该阈值的若干个框。

PR曲线和AP值

以上的做法无疑会受到阈值的选取的影响，为了得到和阈值无关的评分，我们可以遍历阈值，并对召回率和准确率求平均。

具体做法：

检测框按照置信度排序，取前 KKK 个框计算Precision和Recall。

遍历 KKK 从1到全部检测框，将得到的Precision和Recall绘制在坐标系上，得到PR曲线。

定义 Average Precision = Precision对Recall的平均值，即PR曲线下的面积，作为检测器的性能衡量指标。

AP=∫01P(R)dRAP = \int_0^1P(R)dR AP=∫01​P(R)dR

Mean AP

分类别统计AP，并按类别平均得到Mean AP。

Mean AP的完整计算流程：

将数据集中全部图像的预测框按预测类别分类。对于某一类别的所有检测框，计算AP： 按置信度将该类别所有检测框排序逐一与真值框比较，判定TP或FP，并绘制PR曲线对PR曲线插值，计算AP 求所有类别的AP的平均，得到Mean AP。

mAP=1C∑i=1C∫01P(R)dRmAP=\frac{1}{C}\sum_{i=1}^C\int_0^1P(R)dR mAP=C1​i=1∑C​∫01​P(R)dR CCC 是全部类别数。

部分数据集（如COCO），还需要在不同的IOU阈值下计算Mean AP并平均，作为最终评分，这可以衡量检测器在不同定位精度要求下的性能。

AP、AP50、AP75

以上我们讨论的是在固定 IOU 下的 mAP 结果，我们也提到，有时会对不同的 IOU 也做测试，并记录性能。我们经常在论文中见到 AP、AP50、AP75 这样的指标就是指的在不同的 IOU 下的 mAP 结果。

具体来说：

AP50、AP75：这样在 AP 后面带数字的，很好理解，即分别是在 IOU 为 50、75 下的 mAP 值。AP：这样不带数字的 AP 指标通常指的是 AP@50:5:95，表示 IOU 从 50 ，取到95，步长为5（即50, 55, 60, 65, …, 90, 95），分别计算这些 IOU 值下的 mAP，再求平均。

​

如果觉得《错误类型 混淆矩阵及目标检测常用评价指标》对你有帮助，请点赞、收藏，并留下你的观点哦！