【目标检测常见评价指标】

目标检测评价指标

Precision/Recall

True(预测正确) False(预测错误)
Positive(被预测为正例) True positives( TP): 被正确地划分为正例的个数, 即实际为正例且被分类器划分为 正例的实例数; False positives( FP): 被错误地划分为正例的个数, 即实际为负例但被分类器划分为 正例的实例数;
Negative(被预测为负例) True negatives( TN): 被正确地划分为负例的个数, 即实际为负例且被分类器划分为 负例的实例数。 False negatives( FN): 被错误地划分为负例的个数, 即实际为正例但被分类器划分为 负例的实例数;
Precision=TPTP+FP=TP所有被模型预测为正样本的数据的数量Precision\,\,=\,\,\frac{TP}{TP+FP}=\frac{TP}{\text{所有被模型预测为正样本的数据的数量}}

© 版权声明
THE END
喜欢就支持一下吧
点赞0 分享