Des*_*ond 6 tensorflow tensorboard
我正在训练一个物体探测器,我负责评估工作.我在张量板中看到了某些图形.如图所示,tensorflowboard中的DetectionBoxes_Recall/AR @ 10 vs AR @ 100 vs AR @ 100(medium)是什么.DetectionBoxes_Precision/mAP,mAP(大),mAP(中),mAP(小),mAP(0.50IOU)和mAP(0.75IOU)之间有什么区别？请帮助我对此表示新的感谢.
'DetectionBoxes_Precision / mAP'：在IOU阈值范围从0.5到.95范围内以0.05的增量平均的类的平均精度。
'DetectionBoxes_Precision / mAP @ .50IOU'：平均平均精度为50％IOU
'DetectionBoxes_Precision / mAP @ .75IOU'：平均平均精度为75％IOU
'DetectionBoxes_Precision / mAP（small）'：小物体（面积<32 ^ 2像素）的平均平均精度。
'DetectionBoxes_Precision / mAP（medium）'：中型对象（32 ^ 2像素<区域<96 ^ 2像素）的平均平均精度。
'DetectionBoxes_Precision / mAP（大）：大型对象的平均平均精度（96 ^ 2像素<面积<10000 ^ 2像素）。
'DetectionBoxes_Recall / AR @ 1'：检测到1次的平均召回率。
'DetectionBoxes_Recall / AR @ 10'：10次检测的平均召回率。
'DetectionBoxes_Recall / AR @ 100'：平均检出100次。
'DetectionBoxes_Recall / AR @ 100（小）'：具有100的小对象的平均召回率。
'DetectionBoxes_Recall / AR @ 100（medium）'：具有100的中等对象的平均召回率。
'DetectionBoxes_Recall / AR @ 100（大）'：具有100次检测的大型对象的平均召回率。
正如 @kmh 指出的，可以在这里找到简短（但不是很好）的解释。实际的数学定义可以在此处的代码中找到。
mAP = 平均准确率 mAR = 平均召回率
当他们说平均值时，除非另有说明，否则他们的意思是他们正在计算所有示例（即图像）、类和 IOU 阈值（范围在 0.50:.05:.95 内，即 [0.5, 0.55] 的这些指标） , ..., 0.90, 0.95])。
那么，关于这 12 个指标：
精度（mAP）
DetectionBoxes_Precision/mAP：如上所述，这意味着您计算所有图像、类和 IOU 阈值的精度，然后取平均值。
DetectionBoxes_Precision/mAP@.50IOU：这里，它指定了 IOU，因此在这种情况下，它不会超过所有 IOU 阈值，只会超过指定的阈值。该指标是仅使用 IOU=0.5（但仍然遍历所有图像和类）的平均精度。如果您对边界框的位置不是非常严格（您只需要至少 IOU=0.5 即可算作正数），则此指标的想法是为您提供粗略的精度感。
DetectionBoxes_Precision/mAP@.75IOU：与上面相同，但使用 IOU=0.75 而不是 IOU=0.5。如果您对边界框的位置有些严格（您至少需要 IOU=0.75 才能算作正数），则此指标的想法是为您提供粗略的精度感。
DetectionBoxes_Precision/mAP（小、中、大）这些本质上与上面的 mAP 相同，但按边界框的大小进行切片。小的只计算小边界框（面积 < 32*32 像素）的 mAP。Medium 适用于 32*32 < 面积 < 96*96 的边界框。Large 适用于面积 > 96*96（实际上，large 的实现是 96*96 < 面积 < 1e5*1e5）。这些指标可以让您了解您的模型在特定大小的边界框中是否表现更好/更差。
召回率（mAR）
DetectionBoxes_Recall/AR@(1, 10, 100)：这些是按图像中的检测数量划分的平均召回率。AR@1 意味着它将计算所有最多 1 次检测（即 0 或 1）的图像、所有类别以及所有 IOU 阈值的平均召回率。对于 AR@10，它会执行相同的操作，但在所有图像中最多有 10 次检测（即 0 <= n <= 10）。AR@100 最多用于 100 次检测。
DetectionBoxes_Recall/AR@100（小、中、大）：这些是按检测到的边界框大小划分的平均召回率。请注意指标中的 AR@100。这意味着它仅获取最多 100 次检测的图像（通常，这意味着大多数或全部图像）。大小与上面的 mAP 相同（即小：[0, 32*32]，中：[32*32, 96*96]，大：[96*96, 1e5*1e5]）