目标检测数据集和相关概念

1. 检测数据集介绍

1.1. pascal VOC 2007/2012

  • pattern analysis statical modeling and computational learning
    visual object classes(模式分析静态建模与计算学习、可视化对象类别)
  • 10k张图片
  • 20~30k个对象

1.2. coco

  • 大小为20G
  • 200k张图片 500~600k个对象
  • 大部分为小目标,目标不规则,不对称,重叠,密集

2. TP TN FP FN

  • Group Truth:图片中真实标记的框

  • TP(True Positives):真的正样本==>正样本被正确分为正样本

  • TN(True Negatives):真的负样本==>负样本被正确分为负样本

  • FP(False Positives):假的正样本==>负样本被错误分为正样本,即误检

  • FN(False Negatives):假的负样本==>正样本被错误分为负样本,即漏检

目标检测数据集和相关概念_第1张图片

  • precision(精度) = TP / (TP + FP)
    • 即预测正确的部分占预测结果的比例
  • recall(召回率) = TP / (TP + FN)
    • 即预测正确的部分占GroundTruth的比例
  • IoU(Intersection over Union) : 交并比
    • IoU = TP / (TP + FP + FN)

最后

原文链接

你可能感兴趣的:(深度学习,目标检测)