本文详细介绍了深度学习中常用的评价指标，包括TP、FP、TN、FN、Recall、Precision等基本概念，以及TPR、FPR、AP、mAP、ROC曲线、AUC、IOU、F1、FPS、FLOPS等。还讨论了非极大值抑制（NMS）在处理预测框重叠问题上的应用。
目标检测——评价指标
TP、FP、TN、FN、Recall、Precision
| 符号 | 意义 |
|---|---|
| TP（True positives ） | 真的正样本，正样本被预测为正样本 |
| FP （False positives） | 假的正样本，实际是负样本，但是预测为正样本 |
| TN （True negatives） | 真的负样本，负样本被预测为负样本 |
| FN（False negatives） | 假的负样本，实际是正样本，但是预测为负样本 |
召回率（Recall Rate）：给出的是预测为正样本中的真正正样本的比例。如图所示。
准确率（Precision Rate）预测为正样本中真正正样本的比例。
从图中可以看到二者具体的区别
最低0.47元/天 解锁文章
228
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
