1. TP TN FP FN
GroundTruth 预测结果
TP(True Positives): 真的正样本 = 【正样本 被正确分为 正样本】
TN(True Negatives): 真的负样本 = 【负样本 被正确分为 负样本】
FP(False Positives): 假的正样本 = 【负样本 被错误分为 正样本】
FN(False Negatives):假的负样本 = 【正样本 被错误分为 负样本】
2. Precision(精度)和 Recall(召回率)
即 预测正确的部分 占 预测结果 的比例
即 预测正确的部分 占 GroundTruth 的比例
3. IoU(Intersection over Union)
4. AP
(1) 找出 预测结果 中 TP(正确的正样本) 和 FP(误分为正样本) 的检测框
设置IoU的阈值,如IoU=0.5
IoU值大于0.5 预测结果 正确;否则, 预测结果 错误,如下图所示
预测结