【行人检测】miss rate versus false positives per image (FPPI) 前世今生（实战篇-下）

最新推荐文章于 2024-05-14 23:27:11 发布
最新推荐文章于 2024-05-14 23:27:11 发布
阅读量970 收藏 6
点赞数 2
分类专栏： 目标检测 自动驾驶 MATLAB
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38705903/article/details/109696278
版权
本文延续理论与源码解读，详细讲解如何使用自己的数据绘制FPPI（False Positives Per Image）曲线。首先分析gt和dt的结构，gt是一个1*N元胞，其中N代表算法种类，dt同样结构但表示检测结果。每个元胞内部按图片数量组织数据，行表示行人，列包含坐标和置信度。接下来将探讨如何将gt和dt转换为实际数据集的内容，以完成FPPI曲线的绘制。
摘要由CSDN通过智能技术生成

之前我们介绍了：

今天我们来用自己的数据，绘制一下FPPI图
（第一到六都在前面文章中，所以这篇文章直接从七开始）

七、准备gt和dt

在原作者的代码中，annotations的格式是vbb的，实在是太不友好了。。。不过所幸的事情，通过源码的解决，我们已经找到突破口了！
在这里插入图片描述
我们只要知道dts和gts的格式，然后通过load(matfile)的形式替代loadDt和loadGt即可

1. 分析dts

dts是一个1*N的元胞，N表示算法的种类。例

最低0.47元/天 解锁文章
Vincent__Lai
关注
  • 2
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
【行人检测】miss rate versus false positives per image (FPPI) 前世今生（理论篇）
Vincent Lai的博客
11-13 5648
一、前言 最近在做行人检测相关的东西，用到一个指标叫做miss rate versus false positives per-image (FPPI)，但是搜了一圈网上发现相关的资料很少，所以自己再梳理一下这个指标相关的知识，也方便后续的人使用这个，如果有不对的地方欢迎指正。 二、miss rate versus false positives per window (FPPW) 在介绍miss rate versus false positives per-image（后文简称FPPI）之前，就不得不
【行人检测】miss rate versus false positives per image (FPPI) 前世今生（实战篇-上）
Vincent Lai的博客
11-13 1660
上文我们说到【目标检测】miss rate versus false positives per image (FPPI) 前世今生（理论篇），今天我们来实际绘制一下FPPI图 四、miss rate versus false positives per image (FPPI) 官方绘制方法 接下来我们用作者提供的数据，跑通作者绘图的代码 1. 安装第三方工具包 按照这篇文章Caltech评估方法的0 安装步骤安装 2. 下载annotations和res annotations是数据集的ground
miss rate versus false positives per image(FPPI)绘制代码
11-13
本文件用于绘制miss rate versus false positives per image(FPPI)曲线 使用方法参考：https://blog.csdn.net/weixin_38705903/article/details/109654157
FPPI评价方式相关
海底小星星的博客
03-19 494
https://blog.csdn.net/Bruce_0712/article/details/78462880 https://blog.csdn.net/u011534057/article/details/51734089
目标检测评价指标汇总—mAP，PR曲线，F1分数，FPPI，log-average miss rate等
comway_Li的博客
12-26 1万+
对于了解目标检测的评价指标是很重要的，否则自己不懂这个代表什么意思，如何调参。网上有太多资料，可是杂乱，甚至有一乱说，我在学习mAP的时候，记录下自己所学，总结下，也分享出来，也便于自己自己复习。 分为三块，1、解释相关概念 2、 mAP的计算方法 3、比较mAP注意要点 一、解释一些相关概念 1、IoU IoU是预测框与ground truth（真实框）的交集和并集的比值,它可以作为评价...
miss rate versus false positives per window
01-28
"miss rate versus false positives per window" 是一个有关错误分类的衡量指标。这个指标是在分类问题中用来评估模型的表现。 Miss rate（漏报率）指的是被错误地归类为负例的正例的比例。换句话说，它衡量了模型...
matlab绘制FPPI测试数据
04-18
matlab绘制FPPI测试数据，详情看：https://blog.csdn.net/weixin_38705903/article/details/105476251
Recall/Precision/FPPI评价方式详解
Bruce_0712的博客
11-06 3122
最近一直在做相关推荐方面的研究与应用工作，召回率与准确率这两个概念偶尔会遇到，知道意思，但是有时候要很清晰地向同学介绍则有点转不过弯来。   ---------------------------------------------------------------------------------------------------------------------------
【目标检测】绘制FPPI、miss rate数据及代码例子
Vincent Lai的博客
04-12 4086
行人检测一般用FPPI而不是mAP作为评估指标，但是网上找了好久都没找到Python版本的代码，原来FPPI官方的代码是matlab的，这里记录一下用官方的代码来绘制FPPI曲线有哪些需要注意的 非常感谢这篇文章：Caltech评估方法 评估的方法按照上面那篇文章可以跑通代码，需要注意的是： 要下载annotations文件，并解压到../code3.2.1/data-USA中 在此处下载别人预...
一起理解指标ACC、Precision、Recall、F1、FPPI、MissRate(MR)、Macro-F1、Micro-F1
SpaceSunflower 's ML/DL home
12-05 1595
【一起理解指标】ACC、Precision、Recall、F1、FPPI、MissRate(MR)、Macro-F1、Micro-F1
yolov8添加FPPI评价指标
最新发布
Awesome Computer Vision, 做计算机视觉的程序员
05-14 1155
本文简述了在yolov8中增加FPPI评价指标，可以用来直观的表现模型的效果，指导阈值的选取。
机器学习算法评估指标——2D目标检测
格物钛智能科技作为非结构化数据赋能专家，为企业及AI开发者提供全新的智能时代数据管理方案，以数据引擎为核心技术，打造下一代数据平台，解决非结构化数据难发现、难管理、难利用等痛点，帮助企业筑牢新基建底层，实现海量复杂数据的灵活存取用，助推AI工程化和数据资产
05-18 3149
目标检测是计算机视觉领域的传统任务，需要识别出图像上存在的物体，给出对应的类别，并将该物体的位置通过最小包围框（Bounding box）的方式给出。下面介绍2D目标检测任务的常用评价指标。 IoU（Intersection over Union） 定义：交并比，两个矩形框交集的面积与并集的面积之比 范围：0~100% 用途：判断两个矩形框的重叠程度，值越高则重叠程度越高，即两个框越靠近 IoU 和Overlap Rate定义是完全相同的，只不过在检测任务中常写作IoU，在跟踪任务中常...
AP、mAP、MR-FPPI曲线、MR-2
xxnote的博客
04-11 9780
目标检测中准确率（precision）、召回率（recall）、平均精度（AP）、平均精度均值（mAP） 二分类问题中： 一般来说，我们希望P和R都是越高越好，然而两者是一对矛盾的度量。一个高时另一个就会偏低。以P、R为轴绘制曲线，用曲线下的面积衡量P、R双高的的比例。 AP（average precision）：假设这N个测试样本中有M个正例，首先用训练好的模型得到N个测试样本的confiden...
模式识别 评价方法 ROC曲线, DET曲线, FPPW, FPPI etc.
yangyangyang20092010的专栏
11-08 3万+
模式识别 评价方法 ROC曲线 DET曲线  FPPW  FPPI etc. 因个人在做模式识别相关的工作，模式识别算法最终的性能评价是关键。但苦于网上很难找到具体、详细的评价流程、方法以及代码，所以本人打算近期准备如题所示评价方法的整理工作，到时候会奉上方法介绍、基础代码（matlab 版），以帮助更多像我这样对这些方法有些迷茫的人。
机器学习和深度学习性能指标
qq_35914818的博客
07-29 1833
这里写目录标题1、声明2、机器学习评估性能指标2.1、回归（Regression）算法指标2.1.1、平均绝对误差 MAE2.1.2、均方误差 MSE2.1.3、均方根误差 RMSE2.1.4、决定系数R^22.1.5、解决评估指标鲁棒性问题2.2、分类（Classification）算法指标2.2.1、精度 ACC2.2.2、混淆矩阵Confusion Matrix2.2.3、准确率（查准率） Precision2.2.4、召回率（查全率）Recall2.2.5、Fβ Score2.2.6、ROC 和 A
ROC曲线详解及matlab绘图实例
热门推荐
开飞机的小毛驴儿
03-15 4万+
有关ROC曲线的内容转自wiki：https://zh.wikipedia.org/wiki/ROC%E6%9B%B2%E7%BA%BF，版权归原作所有 在信号检测理论中，接收者操作特征曲线（receiver operating characteristic curve，或者叫ROC曲线）是一种坐标图式的分析工具，用于 (1) 选择最佳的信号侦测模型、舍弃次佳的模型。 (2) 在同一
Recall/Precision/FPPI 评价方式
Focusing on your own Mind :) －> 站在巨人的肩膀上
06-22 1万+
参考：http://blog.csdn.net/wangran51/article/details/7579100 http://blog.csdn.net/shaoxiaohu1/article/details/8998515 最近一直在做相关推荐方面的研究与应用工作，召回率与准确率这两个概念偶尔会遇到， 知道意思，但是有时候要很清晰地向同学介绍则有点转不过弯来。 举个...
从TP、FP、TN、FN到ROC曲线、miss rate、行人检测评估
weixin_34112030的博客
02-05 1460
从TP、FP、TN、FN到ROC曲线、miss rate、行人检测评估   update 2018年1月31日22:21:56 最初版本是基于行人检测Piotr Dollar大佬的论文和代码胡乱写的 难免有错 严谨的paper请参考：The Relationship Between Precision-Recall and ROC Curves (ICML2006) , https...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值