如何计算目标检测的召回率、精确率、F1？

召回率（Recall）、精确率（Precision）和 F1 分数是评估分类或检测模型性能的核心指标。下面是它们的定义、公式、计算步骤和实例，特别适用于目标检测（如缺陷检测、人体关键点等）场景。

Ysn0719

289人浏览 · 2025-11-19 11:52:09

Ysn0719 · 2025-11-19 11:52:09 发布

召回率（Recall）、精确率（Precision）和 F1 分数是评估分类或检测模型性能的核心指标。下面是它们的定义、公式、计算步骤和实例，特别适用于目标检测（如缺陷检测、人体关键点等）场景。
在这里插入图片描述

六、Python 简易计算示例

def calculate_metrics(tp, fp, fn):
    precision = tp / (tp + fp) if (tp + fp) > 0 else 0
    recall = tp / (tp + fn) if (tp + fn) > 0 else 0
    f1 = 2 * precision * recall / (precision + recall) if (precision + recall) > 0 else 0
    return precision, recall, f1

# 示例
tp, fp, fn = 80, 20, 30
p, r, f1 = calculate_metrics(tp, fp, fn)
print(f"Precision: {p:.3f}, Recall: {r:.3f}, F1: {f1:.3f}")
# 输出: Precision: 0.800, Recall: 0.727, F1: 0.762