选择 IoU 和置信度阈值来评估模型性能

Question

mAP 通常用于评估目标检测模型的性能。然而，计算mAP时需要设置两个变量：

• 置信阈值
• IoU阈值

需要澄清的是，置信度阈值是模型将预测视为真实预测的最低分数（否则它将完全忽略此预测）。IoU 阈值是真实值与预测框之间的最小重叠，以使预测被视为真阳性。

将这两个阈值设置得较低将导致更大的 mAP。然而，低阈值很可能与其他研究的 mAP 分数不一致。如何选择并证明这些阈值的合理性？

Answer 1

在Yolov5中，我们对网络的输出进行NMS，然后计算mAP。因此，NMS中有一个conf_thres和一个iou_thres来过滤一些框，它们设置为0.001和0.6，请参见：https: //github.com/ultralytics/yolov5/blob/2373d5470e386a0c63c6ab77fbee6d699665e27b/val.py#L103。

在计算mAP时，对于mAP@0.5，我们将iou阈值设置为0.5，对于mAP@0.5:0.95，我们将iou阈值设置为0.5到0.95，步长为0.05。

我猜想 Yolov5 中计算 mAP 的方式与其他框架是一致的。如果我错了，请纠正我。