Object detection中的准确率(accuracy),精确率(precision),召回率(recall),IoU,mAP,NMS概念一览

脑子笨,总是搞混这几个概念,然后每次都要重新理解别人写的,还是很绕,这样写下次应该就能很快明白了,哈哈

一、 准确率(accuracy),精确率(precision),召回率(recall)

TP : 将正类预测为正类数 (预测正确)   (正类)

FN: 将正类预测为负类数(预测错误)(正类)

FP: 将负类预测为正类数(预测错误)(负类)

TN: 将负类预测为负类数(预测正确)(负类)

TP+TN:预测结果正确的数量

TP+FP:预测结果为正类的数量

TP+FN:样本中所有的正类的数量

TP+TN+FP+FN:样本总数

准确率(accuracy) :预测结果正确的数量占样本总数,(TP+TN)/(TP+TN+FP+FN)

精确率(precision):正确预测为正类的数目(TP)占预测结果为正类的数量,TP/(TP+FP)

召 回 率  (recall)   :  正确预测为正类的数目(TP)占样本中所有的正类的数量,TP/(TP+FN)

举个cancer的测试栗子:


① precision表示的就是正确预测为cancer患者的数目占所有预测为cancer患者的数量(包括实际没有cancer而错误地预测为cancer患者的人)

② recall表示的就是正确预测为cancer患者的数目占所有实际患有cancer患者的数量。

bam?

肯定有疑惑啦,还是不太清晰precision和recall的物理意义,我还是不尝试解释了

猜你喜欢

转载自blog.csdn.net/li_haiyu/article/details/80281578