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。

精确率Precision与召回率Recall

$$召回率=\frac{预测为真且实际为真总数}{实际为真总数}，即Recall=\frac{TP}{TP+FN}$$

$$精确率=\frac{预测为真且实际为真总数}{预测为真总数}，即Precision=\frac{TP}{TP+FP}$$

$$准确率=\frac{预测正确总数}{全部样本总数}，即Accuracy=\frac{TP+TN}{TP+FP+TN+FN}$$

召回率是实际为真样本中预测为真的比例，精确率是预测为真样本中真实为真的比例，准确率是预测正确的比例。

两种极端的情况：

1. 检测器将所有的锚框都判断为物体，此时召回率 $Recall\approx 100\%$ ，但是大量的背景都被误检为物体，FP很高，导致准确率很低。
2. 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 $Precision\approx 100\%$ ，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：

1. 检测框按照置信度排序，取前 $K$ 个框计算Precision和Recall。

2. 遍历 $K$ 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。

3. 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。
   $$AP={\int }_0^{1}P(R)dR$$

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：

1. 将数据集中全部图像的预测框按预测类别分类。
2. 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
3. 求所有类别的AP的平均，得到Mean AP。
   $$mAP=\frac{1}{C}\sum _{i=1}^C{\int }_0^{1}P(R)dR$$ $C$ 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。

​