【自用】

衡量一個(gè)模型是否輕量，常常使用這三個(gè)指標(biāo)：FPS，GFLOPs，Params(M)

【幀速率 (FPS)】

frames per second,即：每秒幀數(shù)，用于衡量模型的實(shí)時(shí)性能

【FLOPs-計(jì)算量】計(jì)算量對(duì)應(yīng)我們之前的時(shí)間復(fù)雜度

FLOPS：注意全大寫(xiě)，是floating point operations per second的縮寫(xiě)，意指每秒浮點(diǎn)運(yùn)算次數(shù)，理解為計(jì)算速度。是一個(gè)衡量硬件性能的指標(biāo)。

FLOPs：注意s小寫(xiě)，是floating point operations的縮寫(xiě)（s表復(fù)數(shù)），意指浮點(diǎn)運(yùn)算數(shù)，理解為計(jì)算量?？梢杂脕?lái)衡量算法/模型的復(fù)雜度。

注意在深度學(xué)習(xí)中，我們用的是FLOPs，也就是說(shuō)計(jì)算量，即用來(lái)衡量算法/模型的復(fù)雜度。

【GFLOPs】

1 GFLOPs = 10^9 FLOPs 即：10億次浮點(diǎn)運(yùn)算

G floating point operations的縮寫(xiě)（s表復(fù)數(shù))，即：10億次浮點(diǎn)運(yùn)算，用于衡量模型的計(jì)算量。

【Params-參數(shù)量】參數(shù)量對(duì)應(yīng)于我們之前的空間復(fù)雜度

指網(wǎng)絡(luò)模型中需要訓(xùn)練的參數(shù)總數(shù)，用于衡量模型復(fù)雜度。

【推理分辨率 (RES)】

【幀數(shù)?(Frames)】

【top-1，top-5】

Top-1 (Accuracy)是指排名第一的類(lèi)別與實(shí)際結(jié)果相符的準(zhǔn)確率，
而Top-5 (Accuracy)是指排名前五的類(lèi)別包含實(shí)際結(jié)果的準(zhǔn)確率。

【ACC-?Accuracy（準(zhǔn)確率）】

準(zhǔn)確率表示預(yù)測(cè)樣本中預(yù)測(cè)正確數(shù)占所有樣本數(shù)的比例，計(jì)算公式為：

準(zhǔn)確率 = 預(yù)測(cè)樣本中所有被正確分類(lèi)的樣本數(shù) / 所有的樣本數(shù)

【P-precision（精確率）】

精確率表示預(yù)測(cè)樣本中實(shí)際正樣本數(shù)占所有正樣本數(shù)的比例，計(jì)算公式為：

精確率 = 正確預(yù)測(cè)樣本中實(shí)際正樣本數(shù) / 所有的正樣本數(shù)

【R-recall（召回率）】

召回率表示預(yù)測(cè)樣本中實(shí)際正樣本數(shù)占所有預(yù)測(cè)的樣本的比例，計(jì)算公式為： ?

召回率 = 正確預(yù)測(cè)樣本中實(shí)際正樣本數(shù) /實(shí)際的正樣本數(shù)

Precision 和 Recall最早是信息檢索中的概念，用來(lái)評(píng)價(jià)一個(gè)信息檢索系統(tǒng)的優(yōu)劣。Precision 就是檢索出來(lái)的條目中（比如：文檔、網(wǎng)頁(yè)等）有多大比例是我們需要的，Recall就是所有我們需要的網(wǎng)頁(yè)的條目有多大比例被檢索出來(lái)了。

用到目標(biāo)檢測(cè)領(lǐng)域，假設(shè)我們有一組圖片，里面有若干待檢測(cè)的目標(biāo)，Precision就代表我們模型檢測(cè)出來(lái)的目標(biāo)有多大比例是真正的目標(biāo)物體，Recall就代表所有真實(shí)的目標(biāo)有多大比例被我們的模型檢測(cè)出來(lái)了。

【AP、mAP】

AP：AP 代表??Average Precision，即平均精確度。

mAP:代表Mean Average Precision，即?均值平均精度。

mAP = 所有類(lèi)別的平均精度求和除以所有類(lèi)別。

AP衡量一個(gè)類(lèi)別的檢測(cè)好壞，mAP則是衡量多個(gè)類(lèi)別檢測(cè)的好壞。把所有類(lèi)的AP值取平均即可得mAP。比如有兩類(lèi)，類(lèi)A的AP值是0.5，類(lèi)B的AP值是0.2，那么：

mAP=(0.5 + 0.2)/ 2=0.35

【目標(biāo)檢測(cè)模型的評(píng)價(jià)指標(biāo)-IoU：ntersection over union】

交并比IoU衡量的是兩個(gè)區(qū)域的重疊程度（檢測(cè)物體實(shí)際所占區(qū)域與檢測(cè)結(jié)果中框出的區(qū)域），是兩個(gè)區(qū)域重疊部分面積占二者總面積（重疊部分只計(jì)算一次）的比例。

在目標(biāo)檢測(cè)任務(wù)中，如果我們模型輸出的矩形框與我們?nèi)斯?biāo)注的矩形框的IoU值大于某個(gè)閾值時(shí)（通常為0.5）即認(rèn)為我們的模型輸出了正確的。