版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_20965753/article/details/89224692
数值评价评估图像质量分数算法的优劣
precesion(查准率, 即在检索后返回的结果中, 真正正确的个数占整个结果的比例); recall: 查全率, 即在检索结果中真正正确的个数占整个数据集(检索到的和未检索到的)中真正正确个数的比例.
FN: False Negative, 被判定为负样本, 但事实上是正样本.
FP: False Positive, 被判定为正样本, 但事实上是负样本.
TN: True Negative, 被判定为负样本, 事实上也是负样本.
TP: True Positive, 被判定为正样本, 事实上也是证样本.
准确率Accuracy = (TP+TN) / (TP+FP+TN+FN), 即预测正确的比上全部的数据.
精确率Precision = TP / (TP+FP), 即在预测为正向的数据中, 有多少预测正确了.
召回率Recall = TP / (TP+FN), 即在所有正向的数据中, 有多少预测正确了.
测试时, 图像质量分数评估有两类: 模糊, 有噪声. 将模糊设为正样本, 有噪声设置为负样本.
仿真时, 图像质量分数评估有三类: 模糊, 有噪声, 待质检.