常用性能评估指标
IoU(交并比): 预测边框和原图片标注的真是边框的交叠率,是两者交集与并集的比值,评估准确性。
精确率: 指在所有检测出的目标中检测正确的概率 Precision = TP/(TP+FP)
召回率: 指在所有的正样本中正确识别的概率 Recall = TP/(TP+FN)
- TP: 被正确识别为正例的正例
- FP:被错误识别为正例的负例
- TN:被正确识别为负例的负例
- FN:被错误识别为负例的正例
F1值: Precision和Recall的调和平均,计算公式:
更加通俗易懂的理解方法
精确率: 你认为预测是对的里面真正对的概率;
召回率: 本来就是对的,你找对的概率;
准确率: 本来就是对的,占所有样本的概率
一个具体的例子,看完也就理解上述各个名词的意思了
计算方法:
- 精确率(Precision):1 / (1+2) = 0.33
- 召回率(Recall):1 / (1+1) = 0.50
- 准确率(Accuracy):(1+5) / (1+2+1+5) = 0.67
- F1值: