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。
【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)
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
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
