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