揭秘目标检测的评价指标，一文读懂查准率、查全率与F1值

( FP): 被错误地划分为正例的个数， 即实际为负例且被分类器划分为 正例的实例数; False negative (FN): 被错误地划分为负例的个数，即实际为正例且被分类器划分为 负例的实例数; True negative ( TN): 被正确地划分为负例的个数，即实际为负例且被分类器划分为 负例的实例数。 查准率(Precision)
Precision= TP/(TP+FP) 查准率是测试集中被划分为正例的实例有多少是真正正例的比例。 查全率(Recall)
Recall= TP/(TP+FN) 查全率是测试集中真正正例有多少被划分为正例的比例。 F1 分数( F1 Score)
F1 Score= 2PrecisionRecall / (Precision+Recall) F1 分数是查准率和查全率的调和平均，用来衡量分类模型的准确性和完整性。 Intersection over Union( IoU) IoU 是目标检测中常用的度量指标， 它计算的是预测框与真实框的交并比，即两者交集面积与并集面积的比值。
IoU= (TP intersect GT)/(TP intersect GT+ FP+ FN) 其中 TP intersect GT 是目标检测预测框与实际目标框交集面积， FP 是假阳性实例数， FN 是假阴性实例数。
IoU 的值在 0 到 1 之间， 1表示预测框与实际目标框完全重合，0表示两者没有交集。IoU 越大， 目标检测模型的性能越好。 目标检测模型的性能还可以使用 mean Average Precision (MAP)和 Average Precision( AP)来衡量。

    ## 输出
    
    
    
    
    
    
    
    目标检测是计算机视觉领域的一项重要任务，其目的是从图像或视频中检测出指定的目标。目标检测模型的性能可以通过多种指标来评估，其中查准率、查全率和F1值是最常用的三个指标。
    
    **查准率（Precision）** 
    
    查准率是检测模型在所有检测出的目标中，有多少是真正目标的比例。计算公式如下：
    
    ```
    查准率 = TP / (TP + FP)
    ```
    
    其中，TP表示真正目标，FP表示假阳性目标。
    
    **查全率（Recall）** 
    
    查全率是检测模型检测出的目标中，有多少是真正目标的比例。计算公式如下：
    
    ```
    查全率 = TP / (TP + FN)
    ```
    
    其中，FN表示假阴性目标。
    
    **F1值（F1 Score）** 
    
    F1值是查准率和查全率的调和平均值，是衡量目标检测模型性能最常用的指标之一。计算公式如下：
    
    ```
    F1值 = 2 * 查准率 * 查全率 / (查准率 + 查全率)
    ```
    
    F1值的取值范围为0到1，值越大越好。
    
    **IoU（Intersection over Union）** 
    
    IoU是衡量目标检测模型预测框与真实目标框重叠程度的指标。计算公式如下：
    
    ```
    IoU = (TP intersect GT) / (TP intersect GT + FP + FN)
    ```
    
    其中，TP intersect GT表示预测框与真实目标框的交集面积。
    
    IoU的取值范围为0到1，值越大越好。
    
    **总结** 
    
    查准率、查全率、F1值和IoU是目标检测模型性能评价中最常用的四个指标。查准率衡量的是检测模型在所有检测出的目标中，有多少是真正目标的比例；查全率衡量的是检测模型检测出的目标中，有多少是真正目标的比例；F1值是查准率和查全率的调和平均值，是衡量目标检测模型性能最常用的指标之一；IoU衡量的是目标检测模型预测框与真实目标框重叠程度。