平均精度mAP)

平均精度mAP) 是用于评估计算机视觉模型，特别是用于评估计算机视觉模型的 计算机视觉模型，特别是那些 用于物体检测和 实例分割的模型。与简单的 分类精确度只确定图像标签是否正确，而mAP 评估的是一个模型在以下两个方面的能力 正确classify 物体并使用边界框在图像中精确定位物体的能力。 定位。这种双用途评估使其成为 等现代架构的行业标准。 YOLO11等现代架构的行业基准。

mAP的组成部分

要理解mAP，首先必须理解三个基本概念之间的关系： 交集大于联合 (IoU)、 精确度和召回率。

• 联合交叉（IoU）：它测量的是预测方框与地面实况（实际物体位置）之间的空间重叠度。 地面实况（实际物体位置）之间的空间重叠。它是一个从 0 到 1 的比率。较高的IoU 表示 模型的定位非常接近实际情况。
• 精确度：衡量预测的可靠性。高 高精度意味着当模型预测一个物体时 很可能是正确的，从而将误报率降到最低。
• 召回：用于衡量模型找到所有现有对象的能力。高 召回率意味着模型能捕捉到场景中的大部分物体 场景中的大部分物体，从而最大限度地减少误判。

mAP 计算包括绘制 精度-调用曲线 曲线。平均精度"AP）基本上就是这条曲线下的面积。最后，mAP 中的 mAP 中的 "平均值 "来自于对数据集中所有类别的这些AP 分数的平均值。 最后，mAP 中的 "平均值 "来自于对数据集中所有类别的 AP 分数进行平均，从而得出一个单一的综合分数。

mAP vs.mAP

在阅读研究论文或模型比较页面时，您会 经常会看到报告中的mAP 有不同的后缀。这些后缀指的是将检测视为 "正确 "的IoU 门限。 "正确"。

• mAP：如果预测结果与地面实况至少有mAP%的重叠，则该指标认为预测是正确的。 50%.这是旧数据集的标准，如 PascalVOC 等旧数据集的标准。这是一个宽松的指标 是一种宽松的指标，它优先考虑找到目标而不是完全对齐。
• mAP：由COCO 数据集推广，是现代的 现代黄金标准。它将从IoU 0.50 到 0.95 以 0.05 为IoU 计算出的mAP 平均值。这将奖励 不仅能找到物体，而且能以极高的像素级精度定位的模型给予奖励。 Ultralytics YOLO11.

实际应用

由于mAP 同时考虑了误报和漏报，因此在高风险环境中至关重要。

1. 自动驾驶：在 在汽车人工智能领域，自动驾驶汽车必须 detect 行人、其他车辆和交通标志。高mAP 分数可确保感知系统不会错过障碍物（高召回率 障碍物（高召回率），同时避免因错误检测导致的虚假制动（高精度）。
2. 医疗诊断：在 在医学图像分析中，识别肿瘤 或骨折需要高精确度，以避免不必要的活组织检查；还需要高召回率，以确保任何情况都不会得不到治疗。 治疗。医疗保健领域的人工智能依靠mAP 验证模型是否能够可靠地协助放射科医生处理各种患者数据。

区分mAP 与相关指标

必须将mAP 与类似的评估术语区分开来，以便为您的项目选择正确的衡量标准。

• 与精确度的关系： 准确率是指 正确预测与总预测之比。它在图像分类中效果很好，但在物体检测中却失效了 因为它没有考虑 "背景 "类别或方框的空间重叠。
• 对比 F1 分数： F1 分数是 精确度和召回率在特定置信度阈值下的调和平均值。虽然 mAP 操作点，但mAP 更稳健，因为它评估的是所有置信度阈值的性能，而不是一个阈值。 mAP 更为稳健，因为它评估的是所有置信度阈值的性能，而不仅仅是一个阈值。

用Python计算mAP

Ultralytics Python 软件包可自动完成计算 mAP 的复杂过程。 计算mAP 的复杂过程。通过在训练有素的模型上运行验证模式，您可以立即检索到 50%阈值和更严格的 50-95% 范围内的mAP 分数。 50%阈值和更严格的 50-95% 范围的 mAP 分数。

from ultralytics import YOLO

# Load the YOLO11 nano model
model = YOLO("yolo11n.pt")

# Validate on the COCO8 dataset (downloads automatically)
metrics = model.val(data="coco8.yaml")

# Access the mAP50-95 attribute from the box metrics
# This returns the mean average precision averaged over IoU 0.5-0.95
print(f"mAP50-95: {metrics.box.map}")

这一工作流程允许开发人员在标准 数据集进行基准测试，确保其应用程序在部署前达到必要的性能标准。 在部署前达到必要的性能标准。