显著性检测模型评价指标（一）——ROC曲线和AUC

本人最近在做视觉显著性检测相关的工作，决定把自己的学习经历形成文字，希望对读者有所帮助。
笔者才疏学浅，文章中如有不当之处，还请读者指正，在此表示感谢。

一、准备知识

在了解什么是ROC曲线和AUC之前，首先要具备一些准备知识。
想象一个二元分类问题，在实际的数据中，一部分数据标签为1（正），剩下的数据标签为0（负）。现在有一个模型，要对该问题的结果进行预测，将其中一部分数据预测为1（正），另一部分数据预测为0（负）。那么存在以下定义：

TP(True Positive) ：预测值为正，且真实值为正。
FP(False Positive) ：预测值为正，但真实值为负。
TPR(True Positive Rate) ：TPR=TP/(TP+FN)，真正率。实际为正且被正确预测为正 与 实际为正 的比例。
FPR(False