1、准确率(Accuracy)
举例:我们有10张图片,每张图片有2类对象待定位检测。 此时总和为20,如果我们的模型定位并识别正确的个数为20,则准确率为100%。
老师:准确率高?
学生:高
老师:这个系统还把某些不应该检测的对象定位并检测出来了,误检出10个,你觉得这个系统靠谱?
学生:不是很靠谱,我们在再引入一个误检率怎么样,我们定义误检率为将其他非目标对象误认为目标对象的概率
2、误检率(false positve)
举例:误检个数为10,10/20误检率为50%, 这个模型有点差, 如果“宁愿错杀一千,不放过一个”,那这个系统是可以用的,但代价就是浪费好多非目标产品。
老师:这样可以评判一个模型好坏了吗?
学生:好似可以了。但是如果类很多,比如10个类,9个类准确率很高,但是1个类准确率很低,虽然整体准确率很高,但这样这个系统也不是很好,毕竟某个类准确率低,会漏掉含有此类的产品的。
老师:往下看……
3、精确率(precision)
举例:在上面,我们总共检测了30个,有两类A, B。假设我们检测到了A类15个,但10张图中A类真实存在的数目是10个。这时候A类的精确率为10