误检率和漏检率（笔记 自用）

参考：https://blog.csdn.net/u013230291/article/details/108555329

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+TN)

• 正确率：A=(TP+TN)/(TP+TN+FP+FN)

【重要的！！！】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。