自动驾驶目标检测常见Metrics

avatar
作者
筋斗云
阅读量:2

简述:A平均是指在不同recall的平均,不同recall表征了不同阈值,不同阈值下表现都好才算好
m平均是指在不同class的平均

目标检测指标

P, AP和mAP

P是指的精度,查准率。
AP平均精度,指的是不同的recall下精度的平均值
mAP平均平均精度,各个类别下AP的平均值

True Positive metrics

针对true positives,设计了如下指标:

ATE / mATE

average translation error,平均位移误差,gt bbox和detection bbox中心点的误差
m是在类别上的平均。(没有m的话,Matching and scoring happen independently per class)。

ASE / mASE

average scale error, 1-IOU, 平均尺度误差

AOE / mAOE

average orientation error,平均方向误差

AVE / mAVE

average velocity error,平均速度误差

AAE / mAAE

需要引入accuracy指标——分类准确度
average attribute error,平均属性误差,1-acc

参考

https://www.nuscenes.org/object-detection?externalData=all&mapData=all&modalities=Any

目标跟踪指标

AMOTA

average multi-object tracking accuracy,在不同recall下的跟踪准确性

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!