位置:主页 > 顶尖技术 >

目标检测常见评价指标(转) - weixin_38907560的博客

来源:网络整理| 发布时间:2019-05-10 16:03 | 作者:admin

原文地址

一:准确率 (严格) 、出错率 (失策) 速率)

二:诅咒矩阵 (诅咒) 矩阵)

三:收回通告率(收回通告率)、准确率(清晰的)

四: P-R沿曲线行进、平均程度清晰的(平均程度清晰的),联合通讯社)、F指标

五:被诱物委派特点沿曲线行进(被诱物) Operating

Characteristic,ROC)、AUC(面积) Under 沿曲线行进)、

EER(等) Error 速率)

六: 平均程度清晰的平均数(平均数) Average Precision,脸)、

IOU(交叉口) Over 里格)

七:参考文献

一:准确率 (严格) 、出错率 (失策) 速率)

准确率 (严格):

两个相像的人或物之一的范本数除号范本数字。 ,即:

准确率(混合物)率=漂亮的PRED的原级形容词和女子气的围住 / 总额

出错率(失策) 速率):

出错率与漂亮的率相反。,撰文混合物器的误混合物率。,即:

误混合物率=正/正数/假预测总额 = 1 - 清晰的(混合物)率

清晰的通经用于评价模特儿的全体清晰的。,不克不及牵制这样的教训。,任一模特儿的多功能的评价,诅咒矩阵是一种经用的办法。。

二:诅咒矩阵 (诅咒) 矩阵)

诅咒矩阵也称为背离矩阵。, 在每个类别下,模特儿预测失策比分的数量。,背离预测的类别和漂亮的预测的数量是,模特儿混合物比分的适于眼睛的适于眼睛的评价。

杂乱矩阵做成某事程度轴是类别PRED的数量。,垂直轴是datum的复数真实帐单的数量。。

斜纹布,表现预测的模特儿数量和datum的复数帐单划一。,故,斜纹布的总和除号试验的集的总额是清晰的。。

斜纹布上的数字越大越好。,在目测比分中色越深。,比分教导,该模特儿的预测清晰的较高。。

设想你看这行,,每行不不老实安置,这是失策预测的典型。。

要而言之,咱们要求斜纹布越高越好。,斜纹布越低,就越多。

好,目测斜纹布可以正态化。。

三:收回通告率(收回通告率)、准确率(清晰的)

虽有咱们的模特儿处置多帐单混合物委派。,在稍许地壮观中,咱们能够更关怀一类钻机的帐单。,这相当于两个混合物。。比如,做任一委派来查找任一宾语。。

当战利品非均衡时,比如,正范本10,负范本990,如果模特儿预测每个人1000个范本为负范本,,准确率(严格)也有99%,这显然是有成绩的。。及其他指标可以思索在在这里。。

两类混合物诅咒矩阵的预测:

目的只两类。,先例是阳性的的形势(阳性的的)和剥夺的语的(剥夺的语的)。:

 1)真 阳性的(TP) 漂亮的重新分配为原级形容词围住数。,这执意实在 由PO分红正例的例(范本)数量;

 2)假 正定的(FP) 失策的数字被重新分配为原级形容词围住。,这执意实在为负例但被混合物器重新分配为正例的实围住;

 3)假 剥夺的(FN):被失策地重新分配为剥夺的的数字。,这执意实在为正例但被混合物器重新分配为负例的实围住;

4)真 负片(TN) 漂亮的重新分配为正数的数字。,这执意实在为负例且被混合物器重新分配为负例的实围住。

收回通告率(收回通告率):

这也高处收回通告率。,预测为正例(positive)的范本中漂亮的的数量除号真正的Positive的数量,即:

Recall=TP/(TP+FN)=TP/P

准确率(清晰的):

它也高处清晰的率。,在正例中生水垢为按时间表的原级形容词围住的生水垢,即:

Precision=TP/(TP+FP)

这是维基百科上的一幅图。:

在这里有任一藏踪的防备。,它是由最大概率决定的类别的判别。。

在多个混合物中,设想终极经过SULTMAX层,则,只是,说起两个混合物,模特儿被预测为宾语的概率通常是从,而且对应于真正的帐单。。

在这点上,咱们将设置任一工资极限的。,超越这人工资极限的被重新分配为原级形容词范本。,另外负范本。。工资极限的是变化多的的。,指标是变化多的的。。这时咱们可以画P-R沿曲线行进。

四: P-R沿曲线行进、平均程度清晰的(平均程度清晰的),联合通讯社)、F指标

P-R沿曲线行进:

在变化多的的工资极限的下选择通信的的清晰的和收回通告率。

总体最近的,清晰的越高。,收回通告率越低,当收回通告率范围1,概率得分最低消费的正范本,此刻,正范本的数字除号范本数字。。

平均程度清晰的(平均程度清晰的),联合通讯社):

P-R沿曲线行进围起来的面积,大抵,任一较好的的混合物器。,AP值越高。。

F例子(F估计)

应用于混合物时,清晰的需求多功能的思索。,收回通告。选择工资极限的,F估计是选择这一工资极限的的经用办法。:

eta是回想和回想的分量。,大于1要紧更多地图下说明文字收回通告效应。,不足1的人更注意严格。,总共1总共二者的间接的平均程度值。,在这里利润了任一协同的指标F1估计。。

F1例子(F1估计):

当您想运用F1教导符时,当F1按生活指数调整为消瘦时,只需求选择工资极限的。。

五:被诱物委派特点沿曲线行进(被诱物) Operating

Characteristic,ROC)、AUC(面积) Under 沿曲线行进)、

EER(等) Error 速率)

经过选择变化多的的工资极限的,咱们可以利润另任一公共箱子使运行顺序。,短ROC沿曲线行进,办法近似P-R沿曲线行进,如变化多的的工资极限的,程度轴是FPR。,具有机器方向轴的TPR沿曲线行进。。

ROC关怀两个指标:

1) True Positive Rate ( TPR ) = TP / [ TP + FN] ,TPR代表重新分配原级形容词围住的概率。

2)假 Positive Rate( FPR ) = FP / [ FP + Tn] ,FPR表现将剥夺的语围住分为原级形容词围住的概率。

沿曲线行进的左派的和正确代表缺少所有物的混合物器。,设想沿曲线行进在斜纹布的在附近的一边,比分教导混合物器物有必然的所有物。,右下角是正数。。

你越在附近左派的越好。,抱负的混合物器对应于ROC沿曲线行进和(0)。,0)、(0,1)、(1,1)虚线堆叠。

AUC(面积) Under 沿曲线行进):

ROC沿曲线行进涉及面积,越大,较好的混合物器是。。

EER(等) Error 速率):

指的是FNR=FPR的形势。,由于FNR=1-TPR,因而在ROC沿曲线行进是沿曲线行进和(0)。,1)、(1,0)斜纹布的交点。从少量与读错看,FPR被解说为缺陷范本的正范本。,FNR是原级形容词标本的假原级形容词率。。EER是思索二者时的工资极限的选择基准。。

六: 平均程度清晰的平均数(平均数) Average Precision,脸)、

IOU(交叉口) Over 里格)

评价检测算法时,首要看两个指标。,也执意说,框中宾语的类别无论漂亮的预测。;预测帧与手工正文盒的划一性。

平均程度清晰的平均数(平均数) Average Precision,脸):

MAP是参加发球者每个类别的AP。,话说回来计算每个人类AP的平均程度值。,表现检测到的T的平均程度清晰的的多功能的度量。。

IOU(交叉口) Over 里格):

IOU用于测预测帧与RE的重拨,即:

蓝色骨架是:GroundTruth

黄色的骨架是:DetectionResult

绿色骨架是:DetectionResult ⋂GroundTruth

红盒子是:DetectionResult ⋃GroundTruth

也执意说,两个盒子的交比。,在评价算法时,一种公共的的办法是先设置IOU的工资极限的。,由于算法瞥见IOU大于这人工资极限的。,这是一种无效的检测办法。,把用鱼叉叉拿浮现计算mAP作为终极的评价指标。

空间