实例分割模型鲁棒性验证：如何计算mAP50？

mAP50是指IoU阈值固定为0.5时的平均精度均值，针对你的4个类别，计算流程如下：

1. 数据预处理与格式对齐 #

• 确保每张图像的真值掩码和预测掩码都关联了对应的类别标签，且每个实例（不管是真值还是预测）都能被单独区分（比如真值掩码中不同实例用不同像素值或单独的掩码文件标记）。
• 预测结果需包含每个实例的置信度分数（模型输出的该实例为对应类别的概率）。

2. 计算单实例IoU #

对每张图像中的所有预测实例和真值实例，两两计算IoU（交并比），公式为：
IoU = (预测掩码与真值掩码的交集面积) / (预测掩码与真值掩码的并集面积)
仅保留类别相同的实例对的IoU结果。

3. 按类别计算AP50 #

对每个类别单独执行以下操作：

• 收集该类别所有图像中的预测实例，按置信度从高到低排序。
• 初始化两个计数器：TP（真阳性，初始0）、FP（假阳性，初始0），同时标记所有该类别的真值实例为「未匹配」。
• 遍历排序后的预测实例：
  • 找到与当前预测实例类别相同、IoU≥0.5且未被匹配的真值实例：若存在，标记该真值为「已匹配」，TP += 1；否则，FP += 1。
  • 计算当前的Precision = TP / (TP + FP)，Recall = TP / 该类别总真值实例数。
• 基于所有遍历步骤得到的Precision-Recall点，计算PR曲线下的面积，即为该类别的AP50。（常用方法包括11点插值法：取Recall=0,0.1,...,1对应的最高Precision，求平均值；或直接计算曲线下积分面积）

4. 计算mAP50 #

将4个类别的AP50取算术平均值，得到最终的mAP50结果。

内容的提问来源于stack exchange，提问作者m3tal_slayer