目标检测/分类常用数据集和评价指标小汇集

本文总结了目标检测和分类中常用的数据集,如Pascal VOC、MS COCO、ImageNet和CIFAR,以及相关评价指标,如准确率、混淆矩阵、召回率、精确率、P-R曲线、平均精度(AP)、平均精度均值(mAP)和IOU。这些数据集各自特点和应用场景被详细阐述,帮助理解不同任务的需求。
摘要由CSDN通过智能技术生成

【人工智能学习总结1】分类、目标检测中的评价指标(一)
一:准确率 (Accuracy) 、错误率 (Error rate)

二:混淆矩阵 (Confusion Matrix)

三:召回率(Recall)、精确率(Precision)

四: P-R曲线、平均精度(Average-Precision,AP)、F指标

五:受试者工作特征曲线(Receiver Operating

    Characteristic,ROC)、AUC(Area Under   Curve)、

      EER(Equal Error Rate)

六: 平均精度均值(Mean Average Precision,mAP)、

IOU(Intersection Over Union)

目标检测入门(二):模型的评测与训练技巧

Pascal VOC(Pascal Visual Object Classes)

自2005年起每年举办一次比赛,最开始只有4类,到2007年扩充为20个类,共有两个常用的版本:2007和

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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