المسرد

متوسط الدقة المتوسطة (mAP)

استكشف mAP في الكشف عن الأجسام باستخدام Ultralytics YOLO ، مما يعزز الدقة في نماذج الذكاء الاصطناعي للرعاية الصحية والأمن والمركبات ذاتية القيادة.

تدريب YOLO النماذج
ببساطة مع Ultralytics HUB

التعرف على المزيد

متوسط الدقة المتوسطة (mAP) هو مقياس أداء رئيسي في تقييم دقة نماذج اكتشاف الأجسام، خاصةً في مجال الرؤية الحاسوبية. وهو يقيس مدى جودة النموذج في اكتشاف وتحديد مواقع الأجسام في الصور من خلال النظر في كل من الدقة والاستدعاء عبر عتبات مختلفة.

فهم متوسط الدقة المتوسطة

تجمع mAP بين الدقة والاستدعاء لتقييم أداء النماذج مثل تلك التي تستخدم Ultralytics YOLO ، وهو إطار عمل رائد في الوقت الحقيقي للكشف عن الأجسام. تقيس الدقة دقة الأجسام المتوقعة بالنسبة إلى الأجسام الفعلية، بينما يقيّم الاستدعاء قدرة النموذج على تحديد جميع الأجسام ذات الصلة.

الملاءمة والتطبيقات

في مجال الكشف عن الأجسام، توفر mAP مقياسًا واحدًا يلخص قدرة النموذج على تحديد الأجسام وتوطينها بشكل صحيح. إنه أمر بالغ الأهمية في المجالات التي تتطلب اكتشافًا دقيقًا للأجسام، مثل المركبات ذاتية القيادة، والرعاية الصحية (الكشف عن الأمراض)، والمراقبة الأمنية. للاطلاع على نظرة عامة على مقاييس اكتشاف الأجسام، راجع دليل مقاييس الأداءUltralytics YOLO .

كيف تعمل mAP

تجمع درجة mAP المفاضلة بين الدقة والتذكر عبر عتبات التقاطع على الاتحاد (IoU) المتعددة. يُعد مفهوم IoU مفهومًا مهمًا آخر في اكتشاف الأجسام، حيث يقيس التداخل بين المربع المحيط المتوقع والحقيقة الأرضية. تعرف على المزيد حول IoU في اكتشاف الأجسام.

التفريق بين mAP والمقاييس المماثلة

  • الدقة: في حين أن الدقة تقيس نسبة التنبؤات الصحيحة على إجمالي التنبؤات، إلا أنها لا تأخذ في الحسبان موضع الأجسام المكتشفة وحجمها.
  • F1-Score: يجمع بين الدقة والاستدعاء ولكنه لا يأخذ في الاعتبار دقة التوطين. يوفر mAP تقييماً أكثر شمولاً من خلال أخذ وحدة التعيين في الاعتبار.

أمثلة عملية في تطبيقات العالم الحقيقي

المركبات ذاتية القيادة

في القيادة الذاتية، يُعد اكتشاف المشاة والمركبات والعوائق بدقة وسرعة أمراً بالغ الأهمية. تضمن نماذج الكشف عن الأجسام ذات الدرجات العالية من MAP، مثل تلك التي يقدمها Ultralytics HUB، الكشف الفعال في الوقت الحقيقي واتخاذ القرارات، مما يعزز السلامة والأداء. اكتشف المزيد في حل الذكاء الاصطناعي في القيادة الذاتية.

تصوير الرعاية الصحية

يعتمد الكشف عن الأجسام في مجال الرعاية الصحية، مثل الكشف عن الأورام في الأشعة، اعتمادًا كبيرًا على الأدوات ذات القدرة على الوصول إلى الأجسام. يتم الاستفادة من نماذج مثل Ultralytics YOLO لتحسين دقة التشخيص ودعم المتخصصين الطبيين. استكشف دور الذكاء الاصطناعي في الرعاية الصحية للحصول على رؤى إضافية.

المفاهيم والتقنيات ذات الصلة

  • الكبت غير الأقصى (NMS): تقنية تُستخدم لتقليل تداخل المربعات المحدودة المتداخلة من خلال الاحتفاظ فقط بالتنبؤات الأكثر ثقة.
  • تجزئة المثيل: يتعلق باكتشاف وتحديد كل كائن فريد في الصورة، وغالبًا ما يتم تقييمه باستخدام mAP إلى جانب مقاييس التجزئة.

للحصول على رؤى أعمق حول اكتشاف الأجسام وكيفية استخدام mAP لتحسين النماذج، يمكنك استكشاف مدونتنا حول اكتشاف الأجسام وتتبعها.

يظل متوسط متوسط الدقة أساسيًا لتقييم النماذج وتحسينها في تطبيقات الذكاء الاصطناعي والتعلم الآلي، حيث يعمل كمعيار شامل للأداء. لإلقاء نظرة فاحصة على المصطلحات والتقنيات المتعلقة باكتشاف الكائنات، استكشف مسرد المصطلحاتUltralytics .

قراءة الكل