tensorboard模型评估图(mAP, mAP(large), mAP(medium), mAP(small), mAP(0.50IOU))

08/24 12:25
阅读数 364

一、准确率:

DetectionBoxes_Precision:

mAP:平均精度超过IOU阈值的平均精度,范围从.5到.95,增量为.05

mAP(large):大对象的平均精度(96 ^ 2像素<区域<10000 ^ 2像素)

mAP (medium):中等大小对象的平均精度(32 ^ 2像素<区域<96 ^ 2像素)

mAP (small):小对象的平均精度(区域<32 ^ 2像素)(此处为区域为面积)

mAP@.50IOU:平均精度为50%IOU

mAP@.75IOU:平均精度为75%IOU

 

二、召回率

DetectionBoxes_Recall

AR@1:1次检测的平均召回率。

AR@10:平均召回10次检测。

AR@100:平均召回100次检测。

AR@100 (large):具有100次检测的大型对象的平均召回率。

AR@100 (medium):中等对象的平均召回率为100。

AR@100 (small):小型对象的平均召回率为100。

三、损失值

HardExampleMiner/NumNegatives:暂时还不知道

HardExampleMiner/NumPositives:暂时还不知道

最终分类损失:

BoxClassifierLoss/classification_loss:类别损失,此处的分类为将检测出来的对象分类到不同的类中,如猫,狗,飞机等(Loss for the classification of detected objects into various classes: Cat, Dog, Airplane etc)

BoxClassifierLoss/localization_loss:局部损失,或者边界框回归量损失(Localization Loss or the Loss of the Bounding Box regressor)

区域提取网络损失:

RPNLoss/localization_loss:局部损失,或者RPN的边界框回归量(Localization Loss or the Loss of the Bounding Box regressor for the RPN)

RPNLoss/objectness_loss:分类器损失,此处分类器的功能为对感兴趣的对象或者背景进行分类(Loss of the Classifier that classifies if a bounding box is an object of interest or background)

 

参考资料:

https://stackoverflow.com/questions/52068835/tensorboard-graph-recall

https://stackoverflow.com/questions/48111847/tensorflow-object-detection-api-what-do-the-losses-mean-in-the-object-detectio

关于准确率与召回率的概念可以看:

1.https://blog.csdn.net/zdh2010xyz/article/details/54293298

2.https://blog.csdn.net/qq_38469553/article/details/85140183

3.https://blog.csdn.net/qq_41994006/article/details/81051150

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部