关于Vertex-AI AutoML目标检测平均精度指标的技术问询

背景 #

我使用Vertex AI AutoML功能训练了一个目标检测模型，数据集情况如下：

• 训练图像：约1400张
• 验证图像：180张
• 测试图像：180张
• 标注信息：包含6个类别及对应边界框标注

训练采用automl方法，过程顺利。

评估结果 #

精确率-召回率曲线 #

疑问解答 #

1. Average Precision的计算方式 #

Vertex AI AutoML目标检测默认显示的Average Precision（数值0.595）是仅基于IoU阈值0.5计算的（即AP@0.5），并非COCO标准的多阈值平均（AP@[0.5, 0.95, 0.05]）。若需获取多阈值AP指标，可在模型评估界面查看类别细分指标，或通过Vertex AI API导出完整评估数据，其中会包含不同IoU阈值下的AP数值。

2. 调整IoU阈值滑块后AP数值不变的原因 #

界面顶部显示的全局Average Precision是固定对应AP@0.5的指标，滑块调整的是当前选中类别的PR曲线的IoU计算阈值，不会改变全局AP值。若要查看不同IoU阈值下的AP，需选择具体类别后查看该类别对应阈值的AP，或导出完整评估报告获取全阈值指标。

3. 精确率与召回率的计算依据 #

是的，精确率（precision）和召回率（recall）确实基于设定的置信度阈值和IoU阈值计算：

• 置信度阈值：过滤模型预测置信度低于该值的检测结果
• IoU阈值：判定预测边界框与标注框是否匹配的标准（IoU≥阈值时视为正确检测）
  在Vertex AI界面中，调整置信度滑块可查看不同阈值下的精确率/召回率变化，IoU滑块则影响单类别PR曲线的计算基准。

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