深度学习算法的检测指标
深度学习算法测试的数据集一般采用公开的数据集进行训练和测试，比如常用的KITTI数据集。
深度学习算法的检测指标通常由bbox、bev、3d、aos四个检测指标
上述四个检测指标的含义：
bbox：2D检测框的准确率
bev：BEV视图下检测框的准确率
3d：3D检测框的准确率
aos：检测目标旋转角度的准确率
这篇博客介绍了SA-SSD算法的3D框指标计算的代码
因为SA-SSD算法采用的是mmdetection架构，这篇文章详细介绍了mmdetection中configs中各项参数的解释
上面图中给出car AP @0.7 0.7 0.7 和car AP @0.7 0.5 0.5。
car AP @0.7 0.7 0.7
表示的是不同难度情况下算法的平均精度（难度评价根据所标注包围框是否被遮挡、遮挡程度进行评价），AP表示的是平均精度、0.7表示的是最小IOU（交并比），如下图所示：
当然，不同算法的关于检测指标的代码也有所不同，比如PointPillars的检测指标介绍了coco方式
最后，给大家分享下3D目标检测的结果
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/2139.html原文链接：https://javaforall.net
![实战模拟│揭秘为啥年会你抽不到特等奖[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
