【深度學習理論】Mean Average Precision 計算
Precision = 檢測正確的正樣本數 / 總的檢測樣本（top-n） Recall = 檢測正確的正樣本數 / 總正樣本（top-all） 一般來說，Precision與Recall的效果是成反比的，簡單的說，如果將所有檢測樣本識別爲正樣本，那麼Recall=1，但是Precision卻會降低。 來自博客的一張圖片：http://blog.sina.com.cn/s/blog_9db0780
相關文章
- 1. 深度學習: mAP (Mean Average Precision)
- 2. mAP-Mean Average Precision
- 3. mean Average Precision (mAP)
- 4. mean average precision（MAP）
- 5. MAP(Mean Average Precision)
- 6. mAP（mean average precision）平均精度均值
- 7. 平均精度均值（Mean Average Precision, mAP）
- 8. mAP(mean Average Precision)應用(轉)
- 9. 對mAP(Mean Average Precision)的理解
- 10. mAP (mean Average Precision) for Object Detection
- 更多相關文章...
- • CAP理論是什麼？ - NoSQL教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • 算法總結-深度優先算法
- • Tomcat學習筆記（史上最全tomcat學習筆記）
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 深度學習: mAP (Mean Average Precision)
- 2. mAP-Mean Average Precision
- 3. mean Average Precision (mAP)
- 4. mean average precision（MAP）
- 5. MAP(Mean Average Precision)
- 6. mAP（mean average precision）平均精度均值
- 7. 平均精度均值（Mean Average Precision, mAP）
- 8. mAP(mean Average Precision)應用(轉)
- 9. 對mAP(Mean Average Precision)的理解
- 10. mAP (mean Average Precision) for Object Detection