位置:主页 > 疾病概述 >

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) 、变字率 (不好的) 速率)

二:弄脏矩阵 (弄脏) 矩阵)

三:收回通告率(收回通告率)、准确率(准确的)

四: P-R弯曲物、拉平准确的(拉平准确的),联合通讯社)、F指标

五:被诱物指定特点弯曲物(被诱物) Operating

Characteristic,ROC)、AUC(面积) Under 弯曲物)、

EER(等) Error 速率)

六: 拉平准确的平均数(平均数) Average Precision,面孔)、

IOU(交叉口) Over 里格)

七:参考文献

一:准确率 (严格) 、变字率 (不好的) 速率)

准确率 (严格):

孪生儿之一的范本数除号范本编号。 ,即:

准确率(分级)率=批改PRED的男性化的和被动语态性案件 / 总额

变字率(不好的) 速率):

变字率与批改率相反。,形容分级器的误分级率。,即:

误分级率=正/正数/假预测总额 = 1 - 精度(分级)率

准确的通经用于评价训练的一切的的准确的。,不克不及象征过于的书信。,单独训练的综合学校评价,弄脏矩阵是一种经用的方式。。

二:弄脏矩阵 (弄脏) 矩阵)

弄脏矩阵也称为误审矩阵。, 在每个类别下,训练预测不好的发生的量。,误审预测的类别和批改预测的数量是,训练分级发生的用眼的用眼的评价。

杂乱矩阵中间的程度轴是类别PRED的量。,垂直轴是唱片真实用放射性元素使示踪的量。。

斜的,表现预测的训练量和唱片用放射性元素使示踪划一。,乃,斜的的总和除号尺寸集的总额是准确的。。

斜的上的数字越大越好。,在形象化发生中色越深。,发生标明,该训练的预测准确的较高。。

条件你看这行,,每行不不老实面向,这是不好的预测的典型。。

概括地说,咱们抱有希望的理由斜的越高越好。,斜的越低,就越多。

好,形象化斜的可以规范化。。

三:收回通告率(收回通告率)、准确率(准确的)

但是咱们的训练处置多用放射性元素使示踪分级指定。,在稍许地场面中,咱们可能性更喜欢一类钻机的用放射性元素使示踪。,这相当于两个分级。。像,做单独指定来查找单独女朋友。。

当战利品非均衡时,像,正范本10,负范本990,使相等训练预测一切的1000个范本为负范本,,准确率(严格)也有99%,这显然是有成绩的。。安宁指标可以思索在喂。。

两类分级弄脏矩阵的预测:

目的可是两类。,样板是主动的限制(主动的)和被动语态的(被动语态的)。:

 1)真 主动(TP) 批改隔离物为男性化的案件数。,这执意梦想 由PO堕入正例的容器(范本)数量;

 2)假 正定的(FP) 不好的的数字被隔离物为男性化的案件。,这执意梦想为负例但被分级器隔离物为正例的实包围;

 3)假 剥夺的(FN):被不好的地隔离物为剥夺的的数字。,这执意梦想为正例但被分级器隔离物为负例的实包围;

4)真 干板(TN) 批改隔离物为正数的数字。,这执意梦想为负例且被分级器隔离物为负例的实包围。

收回通告率(收回通告率):

这也高尚的收回通告率。,预测为正例(positive)的范本中批改的量除号真正的Positive的量,即:

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

准确率(准确的):

它也高尚的要求率。,在正例中脱落为按计划的男性化的案件的脱落,即:

Precision=TP/(TP+FP)

这是维基百科上的一幅图。:

喂有单独潜匿的拨款。,它是由最大概率决定的类别的判别。。

在多个分级中,条件终极经过SULTMAX层,则,只是,向两个分级,训练被预测为女朋友的概率通常是从,而且对应于真正的用放射性元素使示踪。。

在这点上,咱们将设置单独开始。,超越这时开始被隔离物为男性化的范本。,抑或负范本。。开始是确切的的。,指标是确切的的。。这时咱们可以画P-R弯曲物。

四: P-R弯曲物、拉平准确的(拉平准确的),联合通讯社)、F指标

P-R弯曲物:

在确切的的开始下选择相当的的准确的和收回通告率。

总体流动,准确的越高。,收回通告率越低,当收回通告率跑到1,概率得分最低消费的正范本,此刻,正范本的编号除号范本编号。。

拉平准确的(拉平准确的),联合通讯社):

P-R弯曲物围起来的面积,一般而言,单独上进的分级器。,AP值越高。。

F按生活指数调整(F估算)

应用于分级时,准确的需求综合学校思索。,收回通告。选择开始,F估算是选择这一开始的经用方式。:

eta是回想和回想的分量。,大于1意图更多地口音收回通告效应。,决不1的人更注意严格。,价值1价值二者的调解拉平值。,喂吸引了单独协同的指标F1估算。。

F1按生活指数调整(F1估算):

当您想应用F1管理的符时,当F1搜集为达到高峰时,只需求选择开始。。

五:被诱物指定特点弯曲物(被诱物) Operating

Characteristic,ROC)、AUC(面积) Under 弯曲物)、

EER(等) Error 速率)

经过选择确切的的开始,咱们可以吸引另单独公共垃圾箱手术顺序。,短ROC弯曲物,方式相似的P-R弯曲物,依据确切的的开始,程度轴是FPR。,具有标本轴的TPR弯曲物。。

ROC关怀两个指标:

1) True Positive Rate ( TPR ) = TP / [ TP + FN] ,TPR代表隔离物男性化的案件的概率。

2)假 Positive Rate( FPR ) = FP / [ FP + Tn] ,FPR表现将被动语态案件分为男性化的案件的概率。

弯曲物的靠人行道的的和正常的代表缺少印象的分级器。,条件弯曲物在斜的的靠人行道的,发生标明分级用具有必然的印象。,右下角是正数。。

你越傍靠人行道的的越好。,梦想的分级器对应于ROC弯曲物和(0)。,0)、(0,1)、(1,1)虚线堆叠。

AUC(面积) Under 弯曲物):

ROC弯曲物覆盖物面积,越大,较好的分级器是。。

EER(等) Error 速率):

指的是FNR=FPR的限制。,因FNR=1-TPR,因而在ROC弯曲物是弯曲物和(0)。,1)、(1,0)斜的的交点。从降落与读错看,FPR被解说为缺乏范本的正范本。,FNR是男性化的标本的假男性化的率。。EER是思索两者都时的开始选择规范。。

六: 拉平准确的平均数(平均数) Average Precision,面孔)、

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,框中女朋友的类别设想批改预测。;预测帧与手工正文盒的划一性。

拉平准确的平均数(平均数) Average Precision,面孔):

MAP是识别割开每个类别的AP。,那时计算一切的类AP的拉平值。,表现检测到的T的拉平精度的综合学校度量。。

IOU(交叉口) Over 里格):

IOU用于测预测帧与RE的重右方的,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,一种平民的方式是先设置IOU的开始。,提供算法显示证据IOU大于这时开始。,这是一种无效的检测方式。,把轻便双轮马车拿出版计算mAP作为终极的评价指标。

空间
上一篇:法律对不当得利的诉讼时效如何规定
下一篇:没有了