人工智能 计算机视觉 【基础知识】目标检测评估指标大全

准确率（Accuracy）

A

c

c

u

r

a

c

y

=

T

P

+

T

N

T

P

+

T

N

+

F

P

+

F

N

Accuracy=\frac{TP+TN}{TP+TN+FP+FN}

Accuracy=TP+TN+FP+FNTP+TN​ 精确度（Precision）=阳性预测值（Positive Predictive Value） PPV

P

r

e

c

i

s

i

o

n

=

T

P

T

P

+

F

P

Precision=\frac{TP}{TP+FP}

Precision=TP+FPTP​ 召回率（Recall）= 敏感性（Sensitivity）

S

e

n

s

i

t

i

v

i

t

y

=

T

P

T

P

+

F

N

Sensitivity=\frac{TP}{TP+FN}

Sensitivity=TP+FNTP​ 特异性（Specificity）

S

p

e

c

i

f

i

c

i

t

y

=

T

N

T

N

+

F

P

Specificity=\frac{TN}{TN+FP}

Specificity=TN+FPTN​ 漏检率（Miss Rate）

M

i

s

s

R

a

t

e

=

1

−

S

e

n

s

i

t

i

v

i

t

y

Miss Rate=1-Sensitivity

MissRate=1−Sensitivity 参数量（内存占用）- Params (M) ：深度学习模型的参数，通常包括权重和偏置。 计算量（运行时间）- Flops：每秒浮点运算次数 AP： 不同 IoU阈值下的平均精度，平均精度指的是PR曲线下面积。 Inf time (FPS) ：FPS表示模型每秒可以处理的帧数，用于评估模型的效率。

其他问题：

mmdetection参数量、计算量和FPS： https://blog.csdn.net/weixin_40493382/article/details/128251056 参数量和内存占用之间的关系： https://oldpan.me/archives/how-to-calculate-gpu-memory COCO评估工具箱中AP的计算： https://www.bilibili.com/video/BV1ez4y1X7g2/?spm_id_from=333.999.0.0&vd_source=1add2a1cdc6ef25fe4c3eb2a25bf292a

Todo：

医学的评估指标，随后补充。

相关链接

 您阅读本篇文章共花了：