エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【物体検出】mAP ( mean Average Precision ) の算出方法 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【物体検出】mAP ( mean Average Precision ) の算出方法 - Qiita
物体検出の評価指標であるmAPの算出方法を詳しく説明している記事が少なかったのでまとめました. 修論... 物体検出の評価指標であるmAPの算出方法を詳しく説明している記事が少なかったのでまとめました. 修論執筆に際してかなり丁寧にまとめたつもりです. mAP(Mean Average Precision), AP(Average Precision)は物体検出の精度を比較するための指標です. これらを理解するためには,TP(True Positive), FP(False Positive), FN(False Negative), TN(True Negative), Precision, Recallの概念と,物体検出において重要なIoU(Intersection over Union)の概念を知る必要があります. 画像分類と物体検出ではTP,FP,FN,TNの指す意味が異なってきます. そこで,この記事ではそれらの違いを明確にするために 1. TP, FP, FN, TN, Precis