f1分数,map,recall,precision怎么计算

一、训练结果

我们先把训练好的模型预测结果贴出来:
1、map

2、预测中正确和错误的框框数

3、自己标记框的个数

4、回归曲线

通过打印出最后的recall为:

0.8909599254426841, 0.8918918918918919, 0.8918918918918919, 0.8928238583410997, 0.8928238583410997, 0.8928238583410997]\

根据上图我们容易知道:
预测框:97+958=1055 正确:958,错误:97
真实框(自己手动标记):1073
recall:0.8928238583410997

二、计算

1、precision


这里:TP:预测正确的个数,FP预测错误的个数
所以: p r e c i s i o n = 958 / ( 958 + 97 ) = 0.9023 precision=958/(958+97)=0.9023 precision=958/(958+97)=0.9023

2、recall


注:TP,FP同上,FN是指没有预测到的框框数,所以TP+FN就是真实(所有手动标记框)标记框的个数。
r e c a l l = 958 / 1073 = 0.8928 recall=958/1073=0.8928 recall=958/1073=0.8928
和代码计算相同。

3、f1分数


根据上述算的recall和precision 很容易可以得到f1:
f 1 = 2 ∗ 0.9023 ∗ 0.8928 / ( 0.9023 + 0.8928 ) = 0.8975 f1=2*0.9023*0.8928/(0.9023+0.8928)=0.8975 f1=20.90230.8928/(0.9023+0.8928)=0.8975

4、然后是ap:

ap就是算下图的积分面积。
丹阳吾提,普遍认为map就是ap.

多物体:map就是类别ap求和求平均。

全部评论

相关推荐

05-24 20:52
东南大学 C++
点赞 评论 收藏
分享
05-11 11:48
河南大学 Java
程序员牛肉:我是26届的双非。目前有两段实习经历,大三上去的美团,现在来字节了,做的是国际电商的营销业务。希望我的经历对你有用。 1.好好做你的CSDN,最好是直接转微信公众号。因为这本质上是一个很好的展示自己技术热情的证据。我当时也是烂大街项目(网盘+鱼皮的一个项目)+零实习去面试美团,但是当时我的CSDN阅读量超百万,微信公众号阅读量40万。面试的时候面试官就告诉我说觉得我对技术挺有激情的。可以看看我主页的美团面试面经。 因此花点时间好好做这个知识分享,最好是单拉出来搞一个板块。各大公司都极其看中知识落地的能力。 可以看看我的简历对于博客的描述。这个帖子里面有:https://www.nowcoder.com/discuss/745348200596324352?sourceSSR=users 2.实习经历有一些东西删除了,目前看来你的产出其实很少。有些内容其实很扯淡,最好不要保留。有一些点你可能觉得很牛逼,但是面试官眼里是减分的。 你还能负责数据库表的设计?这个公司得垃圾成啥样子,才能让一个实习生介入数据库表的设计,不要写这种东西。 一个公司的财务审批系统应该是很稳定的吧?为什么你去了才有RBAC权限设计?那这个公司之前是怎么处理权限分离的?这些东西看着都有点扯淡了。 还有就是使用Redis实现轻量级的消息队列?那为什么这一块不使用专业的MQ呢?为什么要使用redis,这些一定要清楚, 就目前看来,其实你的这个实习技术还不错。不要太焦虑。就是有一些内容有点虚了。可以考虑从PR中再投一点产出
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客企业服务