VIP20
本课程属于：034-边缘AI工业视觉缺陷检测 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

13. 缺陷检测模型评估：mAP、Recall和过检成本权衡

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 核心概念 · 整体框架
课程导入学习目标
02
基础知识
缺陷检测任务定义 · 常见工业场景 · 评估指标的基本作用
基础知识缺陷检测任务定义
03
混淆矩阵
TP · FP · FN
混淆矩阵TP
04
精确率与召回率
Precision和Recall的定… · 计算方式 · 直观理解及权衡关系
精确率召回率
05
PR曲线与AP
Precision-Recall曲线… · AP（Average Precisi…
PRAP
06
mAP详解
mAP的定义 · 不同IoU阈值下的计算方式（如mAP… · mAP@0.5:0.95）
mAP的定义
07
IoU与匹配策略
IoU的计算 · 正负样本匹配规则 · 对mAP的影响
IoU匹配策略
08
过检与漏检
过检（False Positive）…
过检漏检
09
过检成本分析
过检对生产效率 · 人工复检成本 · 客户信任的影响
过检成本分析过检对生产效率
10
漏检成本分析
漏检导致的质量事故 · 安全风险 · 品牌损失
漏检成本分析漏检导致的质量事…
11
成本权衡框架
如何根据业务需求设定Precisio… · 构建权衡决策模型
成本权衡框架Precisio
12
阈值选择方法
如何通过PR曲线或F1-score选… · 平衡过检与漏检
阈值选择方法PR
13
F1-score与F-beta
F1-score的局限 · F-beta如何根据成本比例调整权重
F1-scoreF-beta
14
其他评估指标
FPR · TNR · Specificity
其他评估指标FPR
15
数据集构建
标注规范 · 正负样本比例 · 困难样本对评估指标的影响
数据集构建标注规范
16
评估流程实战
从测试集划分 · 模型推理 · 结果统计到指标计算的完整流程
评估流程实战从测试集划分
17
mAP计算实战
使用Python和常见库（如pyco…
mAP计算实战
18
Recall提升方法
数据增强 · 模型改进 · 后处理优化等提高召回率的策略
Recall提升方法
19
过检降低方法
置信度校准 · NMS优化 · 误检模式分析等降低过检率的策略
过检降低方法置信度校准
20
案例实战
工业表面缺陷检测（如钢材表面）中mA…
案例实战mA
21
案例实战
PCB缺陷检测中过检成本与漏检成本的…
案例实战PCB
22
案例实战
医疗影像缺陷检测（如X光图像）中高R…
案例实战医疗影像缺陷检测
23
常见问题
mAP高但实际效果差的原因分析 · 如类别不平衡 · 小目标漏检
常见问题mAP
24
常见问题
Recall和Precision矛盾… · 如何向业务方解释
常见问题Recall
25
常见问题
不同模型（如YOLO · Faster R-CNN）评估结果对…
常见问题YOLO
26
工具与平台
TensorBoard · MLflow · 自定义评估脚本等工具的使用
工具平台
27
自动化评估
在CI/CD流水线中集成评估模块 · 实现模型迭代的自动监控
自动化评估CI/CD
28
综合提升
设计一套完整的缺陷检测评估方案 · 包括指标选择 · 成本建模
综合提升设计一套完整的缺…
29
综合提升
多类别缺陷检测中如何扩展mAP和Re… · 处理类别不平衡
综合提升mAP
30
课程总结
核心要点回顾 · 常见误区 · 未来趋势（如无监督评估
课程总结核心要点回顾