![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
评价指标
kendyChina
这个作者很懒,什么都没留下…
展开
-
Evaluation中Percision和Recall的理解
1.评价指标 在机器学习、深度学习快速发展的时代,模型和技巧层出不穷,那么就需要有一定的指标去量化地评价这些新的idea,是否work,优化的幅度有多大。 2.混淆矩阵 在分类任务中,通常可以用混淆矩阵比较直观地分析,各类别的预测准确度,模型在哪个类别的性能较低,以确定后续优化的方向。 预测 \ 标签 猫 狗 总计 猫 16 1 17 狗 4 19 23 总计 20 20 40 据混淆矩阵所示,共40张图待预测,其中20张猫、20张狗。 可直观得知,模型对于狗的预测效果更好。 此原创 2020-05-25 21:40:42 · 610 阅读 · 0 评论 -
目标检测的AP(Average Precision)代码解析与深入思考
1. 引言 Average Precision的原理可见 多标签图像分类任务的评价方法-mAP ,个人感觉文章对计算流程、PR曲线(Precision-Recall)、图例都展示得比较好。 另外,忘记从哪篇文章中提到的一句讲得特别精髓,大致意思如下: 对confidence socre降序排列后,再把第k行作为top-k的分界线,进行Precision和Recall的计算。 所以我们计算AP是对conf排序后,从上往下的计算,一直从top-1到top-N。 通常情况下,从top-1到top-N伴随的是召原创 2020-05-26 23:13:51 · 1772 阅读 · 0 评论