Mean Average Precision
2017-06-21 16:46
204 查看
mean average precision简称mAP,以前一直不懂什么意思,现在写篇博客记录一下。
我们来举一个新的例子。
假设有一个搜索引擎,根据搜索引擎,有如下结果:
搜索1相关的样本总共有5个: 正,正,正,正,正
Rank1 正,负,正,负,负,正,负,负,正,正
Recall 0.2,0.2,0.4,0.4,0.4,0.6,0.6,0.6,0.8,1.0
Precision 1.0,0.5,0.66,0.5,0.4,0.5,0.42,0.38,0.44,0.5
Precision从左到右1.0/1, 1/2, 2/3, 2/4以此类推
搜索2相关样本总共有3个,以下是搜索引擎返回的结果
Rank2 正,负,负,正,正,负,负
Recall 0.33,0.33,0.33,0.66,1,1,1
Precision 1.0,0.5,0.33,0.5,0.6,0.5,0.4
我们把每个正样本所对应的Precision求平均
搜索1的mAP: mAP = (1 + 0.66 + 0.5 + 0.5 + 0.44 + 0.5) / 5 = 0.72
搜索2的mAP: mAP = (1 + 0.33 + 0.5) / 3 = 0.61
整体的mAP = (0.72 + 0.61) /2 = 0.665
这个就是mAP大概的计算过程。希望能帮到大家,排版问题我自己也无法解决。。。抱歉了大家。
Precision
我们先来讨论一下,Precision是怎么算的。假如我们有2000个样本,1000正样本,1000个负样本。我们用某个方法进行分类,标记出来300个样本是正样本。现在,我们知道,任何分类方法都不会有百分之百的正确率。所以标记出来的300个分类的样本里,肯定有被分错的样本。假如100个正样本,200个负样本,也就是说,这个分类方法把200个负样本给当成正样本给分类了。那么Precision就是100/300 = 66%。也就是检测出来的正样本数/检测出来的总数。Recall
Recall和Precision十分类似,还是上面的例子,Recall是检测出来的正样本数/所有正样本个数,这个例子中,所有正样本的个数为1000。所以Recall = 100/1000 = 10%mAP
有了这两个概念,我们就可以介绍mAP的概念了。我们来举一个新的例子。
假设有一个搜索引擎,根据搜索引擎,有如下结果:
搜索1相关的样本总共有5个: 正,正,正,正,正
Rank1 正,负,正,负,负,正,负,负,正,正
Recall 0.2,0.2,0.4,0.4,0.4,0.6,0.6,0.6,0.8,1.0
Precision 1.0,0.5,0.66,0.5,0.4,0.5,0.42,0.38,0.44,0.5
Precision从左到右1.0/1, 1/2, 2/3, 2/4以此类推
搜索2相关样本总共有3个,以下是搜索引擎返回的结果
Rank2 正,负,负,正,正,负,负
Recall 0.33,0.33,0.33,0.66,1,1,1
Precision 1.0,0.5,0.33,0.5,0.6,0.5,0.4
我们把每个正样本所对应的Precision求平均
搜索1的mAP: mAP = (1 + 0.66 + 0.5 + 0.5 + 0.44 + 0.5) / 5 = 0.72
搜索2的mAP: mAP = (1 + 0.33 + 0.5) / 3 = 0.61
整体的mAP = (0.72 + 0.61) /2 = 0.665
这个就是mAP大概的计算过程。希望能帮到大家,排版问题我自己也无法解决。。。抱歉了大家。
相关文章推荐
- Mean Average Precision
- mean average precision 定义以及计算
- 深度学习: mAP (Mean Average Precision)
- Mean Average Precision(MAP)平均精度均值
- Precision、Recall and Mean Average Precision(MAP)
- Mean Average Precision vs Mean Reciprocal Rank
- MAP(Mean Average Precision):
- MAP(Mean Average Precision)
- Mean Average Precision(MAP)
- 一个评测指标就是MAP(Mean Average Precision)平均精度均值。
- 目标检测模型的性能评估--MAP(Mean Average Precision)
- Mean Average Precision(MAP)平均精度均值
- mAP(mean average precision)
- MAP(Mean Average Precision)
- Mean Average Precision
- MAP(Mean Average Precision)
- 深度学习: mAP (Mean Average Precision)
- Mean Average Precision(MAP)
- mean average precision(MAP)
- mean average precision(MAP)在计算机视觉中的计算和应用