目标检测-----评价指标（一）

最新推荐文章于 2023-01-17 11:19:15 发布

挪威的深林

最新推荐文章于 2023-01-17 11:19:15 发布

阅读量581

点赞数

分类专栏：目标检测

原文链接：https://blog.csdn.net/qq_35451572/article/details/80272968

版权

目标检测专栏收录该内容

1 篇文章 0 订阅

订阅专栏

文章目录

TP、FP、TN、FN、Recall、Precision
TPR、TFR、FPR、FNR
AP、mAP、P-R曲线
ROC曲线、AUC
IOU
Fps、FLOPS
GOPS

TP、FP、TN、FN、Recall、Precision

这里写图片描述

符号	含义
TP(true positive)	实际是正例，预测为正例
FP(false positive)	实际为负例，预测为正例
TN(true negative)	实际为负例，预测为负例
FN(false negative)	实际为正例，预测为负例

召回率(Recall) = 系统检索到的相关文件 / 系统所有相关的文件总数
准确率(Precision) = 系统检索到的相关文件 / 系统所有检索到的文件总数
具体召回率以及准确率能够从上边的图中明显看出区别。

TPR、TFR、FPR、FNR

在这里插入图片描述

符号	含义
TPR(true positive rate)	真正率又称为：灵敏度(sensitivity)
TFR(true negative rate)	真负率又称为：特指度(specificity)
FNR(flase negative rate)	假负率又称为：虚警率(False Alarm)
FPR(false positive rate)	假正率

AP、mAP、P-R曲线

这里写图片描述

准确率-召回率曲线（P-R曲线）：以召回率为横坐标，精确率为纵坐标，用不同的阀值，统计出一组不同阀值下的精确率和召回率。

这里写图片描述

AP(average precision)——P-R曲线下的面积；
mAP(mean average precision)——多个类别AP的平均值。

ROC曲线、AUC

这里写图片描述
ROC曲线：用不同的阀值，统计出一组不同阀值下的TPR（真阳率）和FPR（假阳率）的关系。
AUC(Area Under Curve)：ROC曲线下的面积。
ROC曲线优点：当测试集中的正负样本的分布变化的时候，ROC曲线能够保持不变。在实际的数据集中经常会出现类不平衡（class imbalance）现象，即负样本比正样本多很多（或者相反），而且测试数据中的正负样本的分布也可能随着时间变化。