Index

平均適合率 / Average Precision / AP

機械学習で利用する精度指標の一つ.

物体検出の評価指標としても利用される.

IoU を元に、物体検出の TP, FP, FN, TN を考える.

各予測した BB をスコア順に並べる.

最も高い IoU の値をとる正解 BB との値が 0.5 以上か、そうでないかを結びつける基準とする.

図に表すとこんなかんじ.

Precision / Recall は同様に計算できる.

混合行列 / Confusion Matrix
- 誤分類率 / 正解率
- TP / FP / FN / TN
- Recall / Precision
- yhayato1320.hatenablog.com

適合率 / Precision

$PRE\ =\ \displaystyle \frac{TP}{TP\ +\ FP}$

再現率 / Recall

$REC\ =\ \displaystyle \frac{TP}{TP\ +\ FN}$

スコアが高い予測 BB 順に Precision / Recall を計算する.

しかし、通常とは計算方法が異なる.

$PRE\ =\ \displaystyle \frac{TP}{TP\ +\ FP} \\ =\displaystyle \frac{計算中のTPの件数}{計算中の予測 BB の件数}$

$REC\ =\ \displaystyle \frac{TP}{TP\ +\ FN} \\ =\displaystyle \frac{計算中のTPの件数}{計算中の正解 BB の件数}$

これを元に、PR 曲線 (Recall を横軸、Precision を縦軸の図) を作成する.

AP は、PR 曲線下の面積に対応する.

$AP\ =\ \displaystyle \int_{0}^{1}\ p(r)dr$

mAP は、各クラスの AP の平均値 mean AP となる.