991.以下哪个是计算机视觉中用于评估目标检测模型性能的常用指标?

题干解析：本题考查计算机视觉领域中目标检测模型性能评估的常用指标。 选项分析： A：准确率（Accuracy）是分类任务中常用的评价指标，表示正确预测的样本占总样本的比例。但在目标检测任务中，模型不仅要对目标进行分类，还需定位目标的位置（如通过边界框），因此仅用准确率无法全面反映模型性能，不适用于目标检测场景。 B：mAP（mean Average Precision，平均精度均值）是目标检测中最核心且广泛使用的性能评估指标。它综合考虑了模型在不同类别上的查准率（Precision）和查全率（Recall），并通过计算每个类别的平均精度（AP），再对所有类别的AP取平均值得到mAP。该指标能够有效衡量检测模型在多类别、多目标情况下的整体表现，常见于PASCAL VOC、COCO等目标检测数据集的评测中。 C：F1分数是分类任务中平衡查准率和查全率的指标，适用于类别不平衡的分类问题。虽然F1分数在某些检测任务的后处理中可能作为辅助参考，但它不是目标检测领域的标准评估指标，不能全面反映检测性能。 D：BLEU分数是自然语言处理中用于评估机器翻译或文本生成质量的指标，基于n-gram的精确匹配程度计算，与计算机视觉中的目标检测无关。 核心知识点讲解： 目标检测是计算机视觉的重要任务之一，旨在识别图像中多个目标的类别并确定其位置。常用的模型包括R-CNN系列、YOLO、SSD等。由于检测任务涉及分类与定位两个方面，评估指标需同时考虑类别预测的准确性与边界框的位置精度。 mAP的计算步骤如下： 1. 对每个类别，根据预测框与真实框的交并比（IoU）判断检测结果是否为真正例（True Positive）。 2. 按置信度排序预测结果，计算不同召回率下的查准率，绘制PR曲线。 3. 计算PR曲线下面积，得到该类别的AP（Average Precision）。 4. 对所有类别的AP求平均，得到mAP。 因此，mAP能够综合反映模型在不同类别和不同阈值下的检测能力，是目标检测任务的标准评价指标。 正确答案：B