计算机视觉相关的评价指标

本文详细介绍了计算机视觉中常用的评价指标,包括准确率、错误率、混淆矩阵、召回率、精确率、P-R曲线、平均精度(AP)、F1指标、ROC曲线、AUC、EER以及平均精度均值(mAP)和IOU。这些指标用于评估模型在分类和检测任务中的性能,特别强调了在样本不平衡和多类别任务中的应用。
摘要由CSDN通过智能技术生成

目录:

一:准确率 (Accuracy) 、错误率 (Error rate)

二:混淆矩阵 (Confusion Matrix)

三:召回率(Recall)、精确率(Precision)

四: P-R曲线、平均精度(Average-Precision,AP)、F指标

五:受试者工作特征曲线(Receiver Operating

Characteristic,ROC)、AUC(Area Under Curve)、

EER(Equal Error Rate)

六: 平均精度均值(Mean Average Precision,mAP)、

IOU(Intersection Over Union)

七:参考文献


一:准确率 (Accuracy) 、错误率 (Error rate)


准确率 (Accuracy):

分对的样本数除以所有的样本数 ,即:

准确(分类)率=正确预测的正反例数 / 总数


错误率(error rate):

错误率则与正确率相反,描述被分类器错分的比例,即:

误分类率=错误预测的正反例数/总数 = 1 - 准确(分类)率


  • 1
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值