文章探讨了准确性、精度、召回率、特异性等指标在评估IT技术，尤其是深度学习模型中的重要性，以及参数量、计算量（如FLOPs）和模型效率（FPS）的关联。还提及了mmdetection库的参数管理以及COCO评估工具中的AP计算方法。
-
准确率（Accuracy）
A c c u r a c y = T P + T N T P + T N + F P + F N Accuracy=\frac{TP+TN}{TP+TN+FP+FN} Accuracy=TP+TN+FP+FNTP+TN -
精确度（Precision）=阳性预测值（Positive Predictive Value） PPV
P r e c i s i o n = T P T P + F P Precision=\frac{TP}{TP+FP} Precision=TP+FPTP -
召回率（Recall）= 敏感性（Sensitivity）
S e n s i t i v i t y = T P T P + F N Sensitivity=\frac{TP}{TP+FN} Sensitivity=TP+FNTP -
特异性（Specificity）
S p e c i f i c i t y = T N T N + F P Specificity=\frac{TN}{TN+FP} Specificity=TN+FPTN -
漏检率（Miss Rate）
M i s s R a t e = 1 − S e n s i t i v i t y Miss Rate=1-Sensitivity MissRate=1−Sensitivity -
参数量（内存占用）- Params (M) ：深度学习模型的参数，通常包括权重和偏置。
-
计算量（运行时间）- Flops：每秒浮点运算次数
-
AP： 不同 IoU阈值下的平均精度，平均精度指的是PR曲线下面积。
-
Inf time (FPS) ：FPS表示模型每秒可以处理的帧数，用于评估模型的效率。
其他问题：
-
mmdetection参数量、计算量和FPS：
https://blog.csdn.net/weixin_40493382/article/details/128251056 -
参数量和内存占用之间的关系：
https://oldpan.me/archives/how-to-calculate-gpu-memory -
COCO评估工具箱中AP的计算：
https://www.bilibili.com/video/BV1ez4y1X7g2/?spm_id_from=333.999.0.0&vd_source=1add2a1cdc6ef25fe4c3eb2a25bf292a
Todo：
- 医学的评估指标，随后补充。
扫一扫
2717
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
