目标检测综述(四)

3.1.1 公共数据集

Pascal VOCILSVRCMS-COCO,和OID数据集是目标检测使用最多的四大公共数据集,下方给出链接了解这四个数据集:

  • PASCAL VOC数据集详细介绍可参考:https://arleyzhang.github.io/articles/1dc20586/
  • ILSVRC数据集详细介绍可参考:https://cloud.tencent.com/developer/article/1747599
  • MS-COCO数据集详细介绍可参考:https://blog.csdn.net/qq_41185868/article/details/82939959
  • Open Images(QID)数据集详细介绍可参考:https://bbs.easyaiforum.cn/thread-20-1-1.html

下图展示了这四大检测数据集的样例图片及其标签

目标检测综述(四)

下表展示了这四大检测数据集的数据统计结果:

目标检测综述(四)

3.1.2 其它数据集

检测任务包含了很多种,其中比较常见的检测任务有行人检测,脸部检测,文本检测,交通灯与交通标志检测,遥感图像目标检测。下表分别列举了各检测任务下的常用公共检测数据集。

目标检测综述(四)

行人检测常用数据集

目标检测综述(四)

脸部检测常用数据集

目标检测综述(四)

文本检测常用数据集

目标检测综述(四)

交通标注检测常用数据集

目标检测综述(四)

遥感图像目标检测常用数据集

3.2 常用评价指标

目标检测常用的评价指标有:交并比准确率精度召回率FPRF1-ScorePR曲线-AP值ROC曲线-AUC值,和mAP值FPS

3.2.1 交并比(IoU)

IoU = 两个矩形交集的面积 / 两个矩形并集的面积

目标检测综述(四)

假设A是模型检测结果,B为Ground Truth,那么IoU = (A ∩ B) / (A ∪ B),一般情况下对于检测框的判定都会存在一个阈值,也就是IoU的阈值,一般将IoU值设置为大于0.5的时候,则可认为检测到目标物体。

3.2.2 准确率/精度/召回率/F1值/FPR

  • True positives (TP,真正): 预测为正,实际为正;
  • True negatives (TN,真负): 预测为负,实际为负;
  • False positives(FP,假正): 预测为正,实际为负;
  • False negatives(FN,假负): 预测为负,实际为正。
目标检测综述(四)

Accuracy and F1-score

3.2.3 PR曲线-AP值

PR曲线就是Precision和Recall的曲线,我们以Precision作为纵坐标,Recall为横坐标。评估标准:如果模型的精度越高,且召回率越高,那么模型的性能自然也就越好,反映在PR曲线上就是PR曲线下面的面积越大,模型性能越好。我们将PR曲线下的面积定义为AP(Average Precision)值,反映在AP值上就是AP值越大,说明模型的平均准确率越高。

3.2.4 ROC曲线-AUC值

ROC曲线就是RPR和TPR的曲线,我们以FPR为横坐标,TPR为纵坐标。评估标准:当TPR越大,FPR越小时,说明模型分类结果是越好的,反映在ROC曲线上就是ROC曲线下面的面积越大,模型性能越好。我们将ROC曲线下的面积定义为AUC(Area Under Curve)值,反映在AUC值上就是AUC值越大,说明模型对正样本分类的结果越好。

3.2.5 mAP

Mean Average Precision(mAP)是平均精度均值,具体指的是不同召回率下的精度均值。在目标检测中,一个模型通常会检测很多种物体,那么每一类都能绘制一个PR曲线,进而计算出一个AP值,而多个类别的AP值的平均就是mAP。评估标准:mAP衡量的是模型在所有类别上的好坏,属于目标检测中一个最为重要的指标,一般看论文或者评估一个目标检测模型,都会看这个值,这个值(0-1范围区间)越大越好。一般来说mAP是针对整个数据集而言的,AP则针对数据集中某一个类别而言的,而percision和recall针对单张图片某一类别的。

3.2.6 FPS

Frame Per Second(FPS)指的是模型一秒钟能检测图片的数量,不同的检测模型往往会有不同的mAP和检测速度。目标检测技术的很多实际应用在准确度和速度上都有很高的要求,如果不计速度性能指标,只注重准确度表现的突破,其代价是更高的计算复杂度和更多内存需求,对于行业部署而言,可扩展性仍是一个悬而未决的问题。因此在实际问题中,通常需要综合考虑mAP和检测速度等因素。

原文链接:,转发请注明来源!
「目标检测综述(四)」评论列表

发表评论