目标检测--精确度(precision), 准确率(accuracy), 召回率(recall), 漏检率, 虚警率

假设:
一组样本，个数为，正例有P个，负例有N个，

算法结果:
判断为正例的正例有TP个，判断为负例的正例有FN个(假的负例）P=TP+FN
判断为负例的负例为TN个，判断为正例的负例有FP个（假的正例）N=TN+FP

指标计算:
精确度（Precision）P=所有判断为正例的例子中，真正为正例的所占的比例=TP/(TP+FP)
准确率（Accuracy）A=判断正确的例子的比例=（TP+TN）/（P+N）
召回率（Recall）R=所有正例中，被判断为正例的比例=TP/P
漏警概率=1-Recall，正例判断错误的概率，漏掉的正例所占比率
虚警率=1-Precision，错误判断为正例的概率，虚假正例所占的比率

注意：在一般的目标检测中，没有真的负例之说。自然也不存TN

https://blog.csdn.net/qq_29007291/article/details/86080456
(原始论文作者链接,我觉得最后一段文字:“注意：在一般的目标检测中，没有真的负例之说。自然也不存在FN与TN。因此准确率(accuracy)这个时候就等于精确度(precision)” 有错误, 所以特意更正)