多标签图像分类评价指标

  1. mAP(mean average precision平均准确率均值)

    mAP 是取所有标签计算得到的AP的平均，AP(Averge Precision ) 就是计算PR 曲线的面积，而PR(Precision Recall) 曲线就是纵坐标是Precision, 横坐标是 Recall 所构成的曲线。

    Precision 和 Recall 分子相同，都是预测正确的正样本（TP）其计算公式分别为

    $Precision = \frac{TP}{TP+FP}$ （查准率）

    预测正确的正样本数量占所有预测为正样本的比值。 当 Precision 为 0 时，可能意味着预测的正样本都是错误的，当 Precision为 1 时，意味着预测的正样本都是正确的，但不代表所有的正样本都被预测出来，FP 为 0。

    $Recall = \frac{TP}{TP+FN}$ （查全率）

    预测正确的正样本数量占所有真实正样本数量的比值 。当 Recall 为1时，所有的正样本都被预测出来，但也可能是因为模型预测的样本全为 正样本，这样 FN 就为0 ，但这种模型是没有用的 。

    TP(True Positive):预测为真，实际为真

    TN(True Negative):预测为假，实际为假

    FP(False Positive): 预测为真，实际为假

    FN(False Negative):预测为假，实际为真

  2. CP CR CF1 OP OR OF1

    1. CP
    2. CR
    3. CF1
    4. OP
    5. OR
    6. OF1