目标检测模型评价指标：准确度(accuracy)、精确率（precision)、召回率（recall）、交正比（IoU）、F1 Score等

1、目标检测模型评价指标

在 目标检测 任务中，常用的性能指标主要包括 检测精度指标 和 检测速度指标

（1）检测精度指标

主要有以下几种：

（2）检测速度指标

主要有以下几种：

2、IoU（Intersection over Union，交并比）

IoU，预测框和真实框相交区域面积和合并区域面积的比值，一般用于衡量定位精度 。

计算公式：

2、预测结果分类

（1）定义：

• 预测值为正例，记为 P（Positive）
• 预测值为反例，记为 N（Negative）
• 预测值与真实值相同，记为 T（True）
• 预测值与真实值相反，记为 F（False）

（2）真实值与预测值：

• TP（True Positive，正确正向预测），预测值和真实值一样，预测值为正样本（真实值为正样本）
• TN（True Negative，正确负向预测），预测值和真实值一样，预测值为负样本（真实值为负样本）
• FP（False Positive，错误正向预测），预测值和真实值不一样，预测值为正样本（真实值为负样本）
• FN（False Negative，错误反向预测），预测值和真实值不一样，预测值为负样本（真实值为正样本）

3、准确率（Accuracy）

正确预测数量占总数量的比例。

计算公式：

$$ACC=\frac{TP+TN}{(TP+FP+FN+TN)}$$

4、精确率（Precision）

也称查准率，评估模型预测的准不准，在所有被预测为正样本的数据中，实际为正样本的比例。

计算公式：

$$Precision=\frac{TP}{(TP+FP)}=\frac{TP}{nu{m}_{pred}}$$

$nu{m}_{pred}$ 表示检测出物体总数量。

例子：假设图中有 8 个带着口罩的目标，但模型检测出 9 个检测框，7 个正确检测出口罩，T P = 7 ，2 个未正确检测出口罩，F P = 2 ，参照公式准确率为0.78，其中 $nu{m}_{pred}=9$ 。

5、召回率 (Recall)

也称查全率，评估模型找的全不全，在所有实际为正样本的数据中，被正确预测为正样本的比例。

计算公式：

$$Recall=\frac{TP}{(TP+FN)}=\frac{TP}{nu{m}_{sample}}$$

$nu{m}_{sample}$ 表示所有真实值的数量。

例子：假设图中有 8 个带着口罩的目标，但模型检测出 9 个检测框，其中 7 个正确检测出口罩，TP = 7，1 个未检测出口罩，F N = 1，根据计算公式，得到召回率为0.875，其中 $nu{m}_{sample}=8$ 。

6、F1 score

精确率和召回率的调和平均数，用于综合评估模型的精确性和召回能力。

一般情况下，Precision & Recall 成互斥关系。如下图展示 Precision 与 Recall 的关系，随着 Recall 值的提高，Precision 值就降低。

如果 Precision 与 Recall 单独拿出来作为评价标准都太过片面，所以综合 Precision 和 Recall，可以得到一个 F Score，计算公式如下：

$$FScore=\frac{(B^2+1)PR}{B^{2}P+R}$$

F Score 是 Precision 和 Recall 的调和平均数，B 的作用是个权重，调整 P 与 R 的比重关系。F1 Score 值是将 B 设置成 1。

[COPY]
YOLO基础-目标检测的性能指标详解与计算方法
【目标检测】目标检测的评价指标（七个）