【深度学习理论】Mean Average Precision 计算
Precision = 检测正确的正样本数 / 总的检测样本（top-n） Recall = 检测正确的正样本数 / 总正样本（top-all） 一般来说，Precision与Recall的效果是成反比的，简单的说，如果将所有检测样本识别为正样本，那么Recall=1，但是Precision却会降低。 来自博客的一张图片：http://blog.sina.com.cn/s/blog_9db0780
相关文章
- 1. 深度学习: 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)应用(转)
- 9. 对mAP(Mean Average Precision)的理解
- 10. mAP (mean Average Precision) for Object Detection
- 更多相关文章...
- • CAP理论是什么？ - NoSQL教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • 算法总结-深度优先算法
- • Tomcat学习笔记（史上最全tomcat学习笔记）
相关标签/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。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 深度学习: 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)应用(转)
- 9. 对mAP(Mean Average Precision)的理解
- 10. mAP (mean Average Precision) for Object Detection