mean Average Precision (mAP)
forkortelse for mean Average Precision
Gennemsnittet af gennemsnitlig præcision (AP) over alle klasser i en objektgenkendelses- eller informationsgenfindingsopgave.
Kort fortalt
En metrik der måler, hvor godt en model finder objekter på tværs af alle kategorier ved at tage gennemsnittet af præcisionen for hver klasse.
- Kategori
- metrik
- Niveau
- øvet
Betydninger
1- 1
Mål for modellens gennemsnitlige præcision på tværs af alle klasser, beregnet som gennemsnittet af Average Precision (AP) for hver klasse.
- Modellen opnåede en mAP på 0,76 på COCO-benchmarket. — COCO dataset, 2020
- Ved at interpolere precision-recall-kurven kan man beregne AP for hver klasse og derefter tage gennemsnittet. — PASCAL VOC paper, 2010
Hvornår bruges det
Bruges standard i benchmark-datasets som PASCAL VOC og COCO til at evaluere objektgenkendelsesmodeller. Beregnes ved først at finde AP for hver klasse (arealet under precision-recall-kurven) og derefter tage gennemsnittet over klasser.
Formel
mAP = (1/N) * Σ_{i=1}^{N} AP_iOprindelse
Udtrykket stammer fra informationsgenfinding, hvor Average Precision (AP) blev gennemsnitliggjort over forespørgsler ('mean'). I objektgenkendelse blev det adopteret fra PASCAL VOC.
Kilder
2- The PASCAL Visual Object Classes (VOC) Challenge
- Microsoft COCO: Common Objects in Context