程序员经验分享-hwhale

目标检测常用评价指标及其计算方法

2023-10-29

一、目标检测常用评价指标

在这里插入图片描述

二、速度指标

  • 前传耗时(ms)：从输入一张图像到输出最终结果所消耗的时间，包括前处理耗时（如图像归一化）、网络前传耗时、后处理耗时（如非极大值抑制）；
  • 每秒帧数FPS(Frames Per Second)：每秒中能处理的图像数量；
  • 浮点运算量(FLOPS)：处理一张图像所需要的浮点运算数量，跟具体软硬件没有关系，可以公平地比较不同算法之间的检测速度。

三、精度指标

1.混淆矩阵

在这里插入图片描述
注：其中的 T/F 表示预测的对错、P/N表示预测的结果。

  • TP (True Positive)：表示实际为正例，判定也为正例的次数，即表示判定为正例且判定正确的次数;
  • FP (False Positive): 表示实际为负例，却判定为正例的次数，即表示判定为正例但判断错误的次数;
  • TN (True Negative)：表示实际为负例，判定也为负例的次数，即表示判定为负例且判定正确的次数;
  • FN (False Negative): 表示实际为正例，却判定为负例的次数，即表示判定为负例但判断错误的次数;

2.Precision、Recall、F1、Fβ

（1）Precision

精度Precision：表示正确判定为正例的次数与所有判定为正例的次数的比例,用来评估预测的是否准确;
在这里插入图片描述

（2）Recall

查全率Recall：表示正确判定为正例的次数与所有实际为正例的次数的比例,用来评估找的全不全;

在这里插入图片描述

（3）F1

F1是Precision和Recall的调和平均;
在这里插入图片描述

（4）Fβ

Fβ是Precision和Recall的加权调和平均
在这里插入图片描述

3IoU(Intersection over Union)

在这里插入图片描述
注：红色框代表检测结果、黑色框代表真值。

IoU这一指标可以用来衡量外接矩形框框的准不准；

在这里插入图片描述

4.FAR、FRR、FAR-FRR曲线

（1）FAR

FAR (False Acceptance Rate)是错误接受率，也叫误识率，表示错误判定为正例的次数与所有实际为负例的次数的比例。
在这里插入图片描述

（2）FRR

FRR (False Rejection Rate)是错误拒绝率，也叫拒识率，表示错误判定为负例的次数与所有实际为正例的次数的比例。
在这里插入图片描述

（3）FAR-FRR曲线

它反映了识别算法在不同阈值上，FRR(拒识率)和FAR(误识率)的平衡关系。其中横坐标是FRR(拒识率)，纵坐标是FAR(误识率)，等错误率（EER Equal-Error Rate）是拒识率和误识率的一个平衡点，等错误率能够取到的值越低，表示算法的性能越好。
在这里插入图片描述

5.TPR、FPR、ROC曲线、AUC

（1）TPR

真正例率(True Positive Rate)：真正例/所有正例;
在这里插入图片描述

（2）FPR

假正例率(False Positive Rate)：假正例/所有负例
在这里插入图片描述

（3）ROC曲线

ROC(receiver operating characteristic curve)曲线是“受试者工作特征”曲线，是一种已经被广泛接受的系统评价指标。以FPR为横坐标、TPR为纵坐标，将每一个阈值所对应的(FPR,TPR)放入坐标系中。用线条将所有的点连接起来——此即为ROC曲线。
在这里插入图片描述

  • 阈值选择：一般来讲，如果一个点越接近左上角（TPR越大，FPR越小），那么说明模型的预测效果越好。如果能达到左上角点(0,1)，那就是最完美的结果了。在实际应用中选取最佳阈值的时候，还需要考虑对真阳性的要求以及对假阳性的容忍程度。
  • 模型比较：ROC曲线还可以用于不同模型的比较。右图中有三条 ROC 曲线，A 模型比 B 和 C 都要好。
    在这里插入图片描述

（4）AUC

AUC(Area Under Curve)：ROC曲线下方的面积，AUC 同样可以用于判断分类器优劣，一般来说，AUC 的值越大越好。
在这里插入图片描述

6.P-R曲线、AP、mAP

（1）P-R曲线

选取不同的IOU值[0, 1]，会得到不同的Recall和Precision值，将Recall作为自变量，Precision作为因变量构成的曲线称为P-R曲线；
在这里插入图片描述

（2）AP和mAP

P-R曲线与坐标轴所围成区域的面积为当前类别的AP值，AP（Average Precision）用于评价模型在每个类别上的好坏；mAP是AP的平均值，用于评价模型在所有类别上的好坏。0<mAP<1，mAP值越大模型检测效果越好。
在这里插入图片描述
注：N为缺陷类别总数

（3）P-R曲线与ROC的关系

  • 对于一个给定的包含正负样本的数据集，ROC空间和PR空间存在一一对应的关系
  • ROC曲线主要应用于测试集中的样本分布的较为均匀的情况，且当测试集中的正负样本的分布变化的时候，ROC曲线能够保持不变。ROC面对不平衡数据的一致性表明其能够衡量一个模型本身的预测能力，这个预测能力是与样本正负比例无关的。但是这个不敏感的特性使得其较难以看出一个模型在面临样本比例变化时模型的预测情况，此时用PR曲线更加能反映出分类器性能的好坏。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

目标检测

计算机视觉

目标检测常用评价指标及其计算方法 的相关文章

  • 遍历map

    keySet是键的集合 Set里面的类型即key的类型 entrySet是 键 值 对的集合 Set里面的类型是Map Entry 1 keySet Map map new HashMap Iterator it map keySet it

随机推荐

  • 代码审计之JAVA代码审计洞态IAST系统以及SecExample靶场

    目录 2 JAVA系列代码审计 2 1 工具介绍 2 2 SecExample靶场安装 2 3 洞态IAST安装 2 3 洞态IAST使用 2 JAVA系列代码审计 之前我们都是采用代码审计工具对PHP代码进行审计 但是在实际的工作中对于从

  • unipush2.0教程

    解释一下名词 透传消息 无论手机app 是否在运行 打开了 还是清了后台 关闭 都可以收到消息 通知消息 只能app打开了 才能收到 1 开通unipush 2 点击上图的unipush2 0下面的配置 进入以下页面 选择平台 将其余项配置

  • tidb存储基本原理

    tidb是什么 tidb是分布式关系型数据库 需要从两个方面来理解tidb 分布式数据库 关系型数据库 什么是分布式系统 集中式系统 计算和存储在同一个节点上 分布式系统 计算和存储位于不同的节点上 分布式系统把需要进行大量计算的工程数据分

  • Unity3D持久化存储（一） PlayerPrefabs

    文章目录 PlayerPrefabs介绍 常用方法 存储数据 读取数据 查看数据 删除数据 PlayerPrefabs介绍 PlayerPrefabs是Unity内置的持久化存储类 可存储Float Int和String类型的数据 数据存储

  • AJAX传中文参数乱码问题解决

    当利用XMLHttpRequest提交中文数据到服务器端时候 ajax默认编码为utf8 提交中文会发生乱码 为了解决这个问题 baidu了一天 研究了一天 现在把这些心得写下来 以备忘 我这人健忘 首先明确一点 要想彻底没有乱码的烦恼 那

  • [论文阅读]《Database Maanagement Systems》-第三章

    第三章 THE RELATIONAL MODEL 关系模型 P75 P112 synopsis 概要 大纲 supplanted 代替 排挤掉 by far 到目前为止 Prototype relational database 原型关系数

  • Jetpack学习之Navigation

    Jetpack提供了一个名为Navigation的组件 用来管理页面 Actvity和Fragment 以Fragment为主 和App bar Navigation的优势 可视化的页面导航图 便于理清页面间的关系 通过destinatio

  • Java基础：Java的优点和缺点

    优点 1 跨平台 可移植性 是Java的核心优势之一 Java的运行是通过JVM来实现的 只需要在操作系统上安装对应的虚找机即可运行 节省代码重复编写时间 2 面向对象 Java是完全的面向对象语言 非常适合大型软件的设计和开发 3 简单性

  • 使用Vue调用后台接口

    最近在学习使用vue 看完调接口之后 立马使用springboot作为后台 跃跃欲试 很尴尬 刚刚写完一个后台 vue调用就出错了 1 跨域的问题 我还以为是需要的接口和我的接口不一致 后来知道并不是端口问题 解决办法 前台vue的调用地址

  • 利用script标签实现的跨域名AJAX请求（ExtJS）

    在AJAX应用环境中 由于安全的原因 浏览器不允许XMLHttpRequest组件请求跨域资源 在很多情况下 这个限制给我来带来的诸多不便 很多同行 研究了各种各样的解决方案 1 通过修改document domain和隐藏的IFrame来

  • Java中常见的异常总结，Exception如何捕获和处理

    什么是异常 异常机制 异常机制是指当程序出现错误后 程序如何处理 具体来说 异常机制提供了程序退出的安全通道 当出现错误后 程序执行的流程发生改变 程序的控制权转移到异常处理器 通俗一点来说 就是为了让程序不被中断 继续执行 程序错误 1

  • 13-2_Qt 5.9 C++开发指南_线程同步_QMutex+QMutexLocker（目前较为常用）

    文章目录 1 线程同步的概念 2 基于互斥量的线程同步 3 QMutex实现线程同步源代码 3 1 qdicethread h 3 2 qdicethread cpp 3 3 dialog h 3 4 dialog cpp 4 QMutex

  • AI资讯--2017年资讯汇总

    九个研究方向 持续学习 Continual learning 可解读的决策 Explainable decisions 安全飞地 Secure enclaves 对抗学习 Adversarial learning 在保密数据上共享学习 Sh

  • Beanutils.copyProperties

    BeanUtils提供对Java反射和自省API的包装 其主要目的是利用反射机制对JavaBean的属性进行处理 使用效果 使用前 UserInfo userInfo UserInfo form User user new User use

  • 搭建菜谱应用微信小程序-前后端

    搭建菜谱应用微信小程序 前后端 框架简析 后端使用TP6框架 mysql 前端使用uni app 代码 框架简析 后端使用TP6框架 mysql 使用了这个项目来修改精简 https gitee com jameson512 novelap

  • Spring Cloud学习笔记【消息总线-SpringCloud Bus】

    SpringCloud Bus概述 概述 Spring Cloud Bus是Spring Cloud生态系统中的一个组件 用于实现微服务架构中的消息总线 它利用了轻量级消息代理 如RabbitMQ或Kafka 作为通信中间件 实现了在分布式

  • EaseUS Data Recovery Wizard Technician数据恢复软件安装

    EaseUS Data Recovery Wizard Technician是最好的数据恢复软件 可以解决所有的数据丢失问题 支持从硬盘 外置硬盘 U盘 存储卡 数码相机 手机 音乐播放器等存储介质中恢复因删除 格式化 软件崩溃 硬盘损坏

  • 【达摩院OpenVI】图像MOS评价协助清理“垃圾”照片

    团队模型 论文 博文 直播合集 点击此处浏览 一 背景 MOS Mean Opinion Score 是一种常用的主观质量评价方法 常用于视频 图像等多媒体领域中的质量评价 MOS视觉评价通常是通过让受试者观看视频 图像 对视频的清晰度 锐

  • 数组指针 一维

    概念 我们把指向数组的指针叫做数组指针 后面还会学到指针数组 这两个是不一样的 根据中学语文偏正词组的知识可以知道 前者是指针 后者是数组 数组的指针其实就是数组在内存的起始地址 先看一个例子 int a 6 i 那么a i 和 a i 是

  • 目标检测常用评价指标及其计算方法

    目录 一 目标检测常用评价指标 二 速度指标 三 精度指标 1 混淆矩阵 2 Precision Recall F1 F 1 Precision 2 Recall 3 F1 4 F 3IoU Intersection over Union

热门标签