складність 3/5
Mean average precision
Площа під кривою «достовірність–recall», усереднена за класами, а у виявленні об’єктів — ще й за порогами IoU. Поріг, з яким ви її звітуєте, вирішує, чи бачить вона якість локалізації взагалі.
Інтуїція
Детектор не повертає відповідь — він повертає ранжований список здогадок із приписаною впевненістю. Будь-який окремий поріг на цю впевненість обирає одну точку компромісу достовірність–recall, і звіт про цю одну точку не каже майже нічого: інший поріг дав би іншу відповідь.
Середня достовірність (AP) натомість підсумовує всю криву: це «зважене середнє достовірностей, досягнутих на кожному порозі, де вагою є приріст recall порівняно з попереднім порогом» [4, Definition]. Потім mAP усереднює це за класами, тож детектор не може сховати марний рідкісний клас за добрим поширеним.
Виявлення об’єктів додає третє, за чим треба усереднювати, і саме воно створює проблеми. Перш ніж узагалі назвати виявлення правильним, треба вирішити, наскільки його рамка має перекривати справжню, — і це рішення, як виявляється, змінює оцінку набагато сильніше, ніж більшість покращень моделі.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- Dive into Deep Learning — Anchor Boxesbook · звірено 2026-09-14https://d2l.ai/chapter_computer-vision/anchor.html
- Focal Loss for Dense Object Detection (2018)paperhttps://ar5iv.labs.arxiv.org/html/1708.02002
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks (2016)paperhttps://ar5iv.labs.arxiv.org/html/1506.01497
- average_precision_scoredocs · звірено 2026-09-14https://scikit-learn.org/stable/modules/generated/sklearn.metrics.average_precision_score.html