关于计算机视觉中异常检测的一些性能指标

在计算机视觉项目的异常检测中，基本用这几个指标来衡量算法的性能好坏。

误检率：FPR=FP/(FP+TN)

漏检率：FNR=FN/(FN+TP)

正确率：A=(TP+TN)/(TP+TN+FP+FN)

名称	英文缩写	英文全称
误检率	FPR	False Predicted Ratio
漏检率	FNR	False Negative Ratio
正确率	A	Accuracy
错误匹配	F	false
正确匹配	T	true
正类	P	positive
负类	N	negative
错误匹配，将负类预测为正类	FP	False positive
正确匹配，将负类预测为负类	TN	True negative
错误匹配，将正类预测为负类	FN	False negative
正确匹配，将正类预测为正类	TP	true positive

说明：在异常检测中我们更多的是关注事物的异常状态，所以将异常状态表示为正类，将正常状态表示为负类，如工业检测中划痕检测，显示屏有划痕是正类，没有划痕是负类。正确匹配为将正类识别为正类，将负类识别为负类，错误匹配为将正类识别为负类或将负类识别为正类。