参考资料
这里介绍的非常详细:
分类 (Classification):精确率和召回率
我的理解
Precision = T P T P + F P = 预 测 出 来 的 人 脸 框 中 , T P 的 比 例 \text { Precision }=\frac{T P}{T P+F P } = 预测出来的人脸框中,TP的比例 Precision =TP+FPTP=预测出来的人脸框中,TP的比例 Recall = T P T P + F N = 实 际 为 人 脸 的 所 有 框 中 , T P 的 比 例 \text { Recall }=\frac{T P}{T P+F N} = 实际为人脸的所有框中,TP的比例 Recall =TP+FNTP=实际为人脸的所有框中,TP的比例
- precision越高,错误的人脸预测越少,造成的FP帧数的浪费越少。
- 因为:错误的人脸预测意味着原本非人脸,被预测为人脸,这些原本可以不需要经过FaceDetect,但由于错误预测,仍然要经过FaceDetect,造成资源的浪费。
- recall越高,说明越多的GT被框中,及漏检较少。